NASK 提出基于隐状态相对表示的 LLM 偏见审计方法,计算开销极低
NASK-PIB · hf · 2026-09-10
NASK-PIB 的研究提出一种基于参照的隐状态审计方法:通过比较不同模型变体隐状态的相对表示,度量表征偏见偏移,从而以极小计算量检测模型内部偏见的变化。
「研究」频道最新
- Bug Hunt Bench 实测 105 个真实 bug,DeepSeek-V4.1-Flash 高性价比夺目 — PawelHuryn · 2026-09-10
- PlannerForge：用 LLM 智能体自动化自动驾驶规划器场景测试 — TUM-AVS · 2026-09-10
- AgentGrad：用干预定位目标智能体，优化多智能体系统提示词 — Jaewon Chu · 2026-09-10
- OracleZoom：参考约束递归超分新法，极端放大减少幻觉 — Shubhashis Roy Dipta · 2026-09-10
- UCL 成立 SOFAIR 开源 AI 实验室，回应英国缺前沿实验室之问 — latticecut · 2026-09-10
- Anthropic 模型被曝极端偏向先验信息，动机性推理再添证据 — asusarla · 2026-09-10