PapersBuilders12:33Chinese content论文:用人格方向与知识方向探测大语言模型谎言的边界这篇论文做了件少见的事:把无标签人格方向测到 70B 规模,然后老实报告失败。Qwen 上失效、知识谎言基本追措辞、组合分数在留出集上输给探针——做模型安全审计或探针研究的同学值得看看这些边界在哪。#Liars' Bench#Llama-3.3-70B#Qwen#AI safetyaarXiv cs.AI@Md. Abdullah Al Zami et al. (6)SourceRead laterReadWorth followingUsefulFollow Liars' Bench