arXiv · ML· Paolo Muratore, Mackenzie Weygandt Mathis·· 3 天前AI 评分25
可编程语义干预:从行为程序学习因果载体
Programmable Semantic Interventions: Learning Causal Carriers from Behavioral Programs
AI 导读
研究提出可编程语义干预方法,通过低秩激活子空间学习实现模型干预效果与程序声明一致。 该方法在 MIB 基准上表现优于监督对齐,且在无金标签时更贴近模型自身答案。 该方法支持无需捐赠提示词的无源控制,可实现在 94.8% 的保留请求上按研究者指定答案进行定向操纵。
来源:arXiv · ML · arxiv.org