跳到正文
热点事件持续更新

Aniket Ghosh 补充真值探针因果实验:人格设定影响探针但非生成主因

1 篇报道1 个报道来源5 小时前更新

先了解这件事

AI 综述

在 Qwen、Llama 等模型中,设定为 1500 年学者时,真值探针向“真”偏移,模型声称 41% 至 89% 的历史谬误为真(基线 3-6%)。 敲除真值方向仅降低效应 0-13%,定位在生成答案处的探针关联度高但解释力低,表明人物设定通过其他特征驱动结果。

AI 根据报道生成 · 4 小时前更新

报道时间线

沿着报道,了解事件的不同侧面。

11月21日
  1. LessWrong · All Posts
    研究发现:人物设定改变模型真值探针读数,但并非生成假答案的主因

    在 Qwen、Llama、Gemma 和 OLMo 模型中,设定为 1500 年学者时,真值探针向“真”偏移,模型声称 41% 至 89% 的历史谬误为真(基线 3-6%)。 敲除真值方向仅将效应降低 0-13%,定位在生成答案处的探针关联度达 0.82-0.94 但仅解释 1-18% 效应,表明人物设定通过其他特征驱动生成结果。

本事件热度走势

可比范围当前
9
可比范围峰值
1011月21日 02:00
近 24 小时变化
–

趋势仅比较持续完整观测到的相同主体,范围可能小于当前热度统计。移动指针或点击图表查看每小时热度;键盘可用左右方向键切换。