论文11:19
文本安全外物理危险探测：LLM隐态风险空间分析这篇论文发现LLM的物理危险和文本内容危险是分开的，PRISM探针只需一层就能检测物理危险，误报率只有LLM裁判的一半，值得做安全对齐的人看看。
#PSB-1K
共 1 条 · 7 天 0 条 · 30 天 0 条
信息流里打上「PSB-1K」标签的资讯、产品与论文，按刊登时间排，新的在上。
7月17日
这篇论文发现LLM的物理危险和文本内容危险是分开的，PRISM探针只需一层就能检测物理危险，误报率只有LLM裁判的一半，值得做安全对齐的人看看。