AI工具与模型HOT精选全部
arXiv cs.AI评分60

预防性人格引导的安全副作用:实证审计

原文标题:Safety Side Effects of Preventative Persona Steering: An Empirical Audit

导读

该研究实测发现,用引导手段提前抑制谄媚、幻觉等行为时,可能会在模型中引发意料之外的安全副作用,提醒开发者谨慎使用这类干预。

推荐理由

涉及模型 · 与本主题相关

打开原文 ↗

来源:arXiv cs.AI · arxiv.org

主题

相关条目