新论文 TrustMI：在 6 个 LLM 中找到线性「信任方向」
ThomasScialom · x · 2026-10-14
研究者发布新论文 TrustMI，提出一个问题：你的 AI 模型信任你吗？
- 在 6 个大语言模型中发现了线性的「信任方向」（linear trust direction）；
- 论文与 Hugging Face 页面均已公开；
- 导师 zehavoc 转发为学生的成果感到骄傲，并提到内含演示视频。
属于 LLM 内部表征与可解释性方向的新研究。
所属事件:TrustMI 论文发现可因果操控 AI 对用户的信任(3 条相关)→
「研究」频道最新
- NCM 逐层解码揭示:文本生成从粗到细渐进补全细节 — Azaliamirh · 2026-10-15
- Epoch AI 新基准 SpireClimb:前沿模型杀戮尖塔胜率达90% — NathanpmYoung · 2026-10-15
- Nvidia 携 ChipAgents 推芯片设计基准，最强 agent 仅得 16.6% — teortaxesTex · 2026-10-15
- ICML 论文开源 108 个 OLMo 风格小模型，含约 3900 个中间检查点 — BrihiJ · 2026-10-15
- Google DuoDiscover 登顶 NVIDIA SOL-ExecBench，TPU 内核提速 2.68 倍 — lateinteraction · 2026-10-15
- BabaBench 基准发布：前沿模型尚难胜任真实医疗协调工作 — aidangch · 2026-10-15