#Liars' Bench

1 stories · 1 in 7 days · 1 in 30 days
Stories, products and papers tagged "Liars' Bench", newest first.
Nov 20
Chinese 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。

arXiv cs.AI@Md. Abdullah Al Zami et al. (6)Source