面向测谎研究的探针集发布
livgorton · x · 2026-07-18
研究者发布了一组用于lie detection（测谎/欺骗检测）的 probes，训练对象覆盖约 50 个模型和“model organisms”，参数规模从 2B 到 1T 不等。
这类资源通常用于分析模型内部表征与行为特征，帮助研究者比较不同模型在欺骗、说谎或相关行为上的信号差异。帖子没有展开方法细节，但信息本身指向一个可供研究使用的探针集合。
「研究」频道最新
- arXiv 避坑提示续：分类器推荐不同主分类时应接受，否则几乎必被搁置 — tdietterich · 2026-10-27
- arXiv 积压超 4000 篇论文被搁置，版主致歉并给出避坑建议 — tdietterich · 2026-10-27
- CoreWeave 三周 RL 后训练:BrowseComp 提升 22.9%,工具调用省三成 — RichardSocher · 2026-10-27
- 开源决策模型打《红色警戒2》：先卖基地后自瞄自炸，训练后无人能敌 — heathercmiller · 2026-10-27
- DeepMind 论文：LLM 无法自行随机采样，需外部传入随机数 — rohanpaul_ai · 2026-10-27
- 世界模型新玩法：物体赋重量摩擦系数，物理引擎推演机器人动作 — jonstephens85 · 2026-10-27