跳到正文
arXiv · ML· Batuhan Akar·· 4 天前AI 评分21

ActGCG 通过输入优化创建导向向量

Creating Steering Vectors via Input Optimisation

AI 导读

ActGCG 修改贪心坐标梯度优化后缀以匹配目标激活,无需白盒访问即可影响模型行为。 该方法引入通用后缀及模型翻译步骤,在德语生成任务中离散后缀几乎完美复现导向向量效果。

来源:arXiv · ML · arxiv.org