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
- Kimi K3 在网络安全上很强，但 token 效率卡住了评测 — teortaxesTex · 2026-07-27
- ARC AGI 3 应该保持私有，不该公开示例和数据集 — flowersslop · 2026-07-27
- ExploitGym 可能只有六到七成任务可解，引发 OpenAI 作弊争议 — max_paperclips · 2026-07-27
- 5090 本地测试：80k 上下文下 Qwen Q6 速度掉到 15 tok/s — LFAdvice7984 · 2026-07-27
- Chollet 认为智能可能有硬上限，AI 进步会趋于边际递减 — binarybits · 2026-07-27
- 论文提出图拓扑可成为 AI Agent 核心框架 — theomitsa · 2026-07-27