BLOOM-WILT 相关 AI 资讯 · AI 热点

9月1日

11:24

11:24

官方账号arXiv cs.AI@Adrians Skapars, Edoardo Manino

精选73°

研究人员推出BLOOM-WILT，一种无需训练成本的大模型行为审计管道。该方法在4个目标模型和8种行为测试中，以30/32的成绩超越基线审计器。在Qwen3.5-4B自残鼓励行为测试中，将行为出现率从51%提升至100%。WILT通过自适应重加权目标解码策略，在不降低输出概率的情况下提高行为诱导效率。

论文 BLOOM-WILT Qwen3.5-4B 大模型安全

推荐理由：BLOOM-WILT让大模型安全审计更高效，在Qwen3.5-4B测试中行为诱导率翻倍，还推翻了原有模型安全排名。