探讨大模型语义空间中的“真实性”方向
erikphoel · x · 2026-07-11
讨论了一项关于大语言模型（LLM）内部机制的研究发现：模型在语义空间中嵌入句子时，似乎存在一个对应“真实性”的特定方向。
这对价值对齐研究是个好消息，但在面临类似塔斯基悖论的逻辑攻击时，可能会引发一些有趣的悖论。
「安全」频道最新
- AI 把漏洞补丁窗口压到几小时：先断网备份再谈安全 — aakashgupta · 2026-10-26
- NYT 专家圆桌:AI 公司该被怎样监管,五位专家分歧激烈 — ShakeelHashim · 2026-10-26
- DeepMind 试点全球首个双盲 AI 评测，密码学隔离防基准污染 — scychan_brains · 2026-10-26
- 用 LLM 估算 PHP 漏洞损失：量级粗估 10 亿至 40 亿美元 — S_OhEigeartaigh · 2026-10-26
- 多州暂停新建数据中心，72% 美国人反对建在家门口 — YvesMulkers · 2026-10-26
- LEMON 监控器:从注意力图零样本识别未见过的 LLM 幻觉与越狱 — yoavartzi · 2026-10-26