arXiv · NLP· Ziwen Xu, Kewei Xu, Haoming Xu, Haiwen Hong, Longtao Huang, Hui Xue, Ningyu Zhang, Yongliang Shen, Guozhou Zheng, Huajun Chen, Shumin Deng·· 3 天前AI 评分42
SteerEval 如何跨行为粒度统一评估大语言模型的可控性?
How Controllable Are Large Language Models? A Unified Evaluation across Behavioral Granularities
AI 导读
研究引入分层基准 SteerEval,在语言特征、情感和人格三个领域评估 LLM 可控性,发现控制力在细粒度层级显著退化。 SteerEval 将行为意图连接至具体文本输出,划分为表达内容、表达方式和实例化三个层级,为安全可控的 LLM 行为提供解释性框架。
来源:arXiv · NLP · arxiv.org