Mirage幻觉行为可从模型内部激活线性解码
ziv_ravid · x · 2026-07-04
研究发现模型的 Mirage（凭空脑补图像/细节）行为可从其内部激活中线性解码出来，即使图像确实存在时也成立；纯文本基线无法恢复该信号。研究还表明可借助激活信号区分不同类型的 Mirage 行为。
「研究」频道最新
- Michael Levin 发布 Platonic Space 论文同行评审版及实验室资源 — drmichaellevin · 2026-09-11
- GameWorld 获 ECCV 2026 多模态数字代理研讨会最佳论文亚军 — MikeShou1 · 2026-09-11
- GLIE 论文： late-interaction 检索向量可压缩 200 倍存储 — inductionheads · 2026-09-11
- 3D ResNet 论文八年突破 3000 引用，Kinetics 数据集成里程碑 — HirokatuKataoka · 2026-09-11
- 把数据调度变成优化的一部分：样本选择与排序影响 LLM 训练 — Puzzleheaded_Box2842 · 2026-09-11
- Jeff Heaton《神经网络数学导论》开放免费完整下载 — blaizedsouza · 2026-09-11