arXiv · NLP· Th\'eo Lasnier, Romain Froger, Maxence Lasbordes, Djam\'e Seddah·· 2026-10-06AI 评分34
TrustMI 提出通过模型激活线性方向因果控制 LLM 对用户的信任决策
TrustMI: Causally controlling how assistants trust their users
AI 导读
summary_zh: TrustMI 研究通过冻结模型参数学习转向矩阵,实现对 LLM 助手信任行为的因果控制。 研究构建了 2000 组关于能力、善意和完整性的对比对话,并在 3 个模型族的 6 个指令微调模型上验证了该效果。
来源:arXiv · NLP · arxiv.org