LLaMA 3.1-8B-Instruct 机制可解释性审计
热点事件持续更新
LLaMA 3.1-8B-Instruct 机制可解释性审计
1 篇报道1 个报道来源11 小时前更新
先了解这件事
AI 综述
研究团队利用 Transluce 平台对 LLaMA 3.1-8B-Instruct 模型在 54 个道德提示下的内部活动进行了审计，覆盖电车难题等四类场景。 数据显示，伦理标签神经元的激活率约为 5%，其排名显著靠前且平均激活分数较高；在 31 条电车难题响应中，识别出 19 条支持干预建议。 该工作提出了“帧条件道德计算”作为组织性假设，并将机制对齐确立为评估分布式实现的标准。
AI 根据报道生成 · 2 小时前更新
最新进展10月20日 12:00
LLaMA 3.1-8B-Instruct 帧条件道德计算的探索性机制可解释性审计报道时间线
沿着报道，了解事件的不同侧面。
10月20日
- arXiv · AILLaMA 3.1-8B-Instruct 帧条件道德计算的探索性机制可解释性审计
研究利用 Transluce 平台对 LLaMA 3.1-8B-Instruct 在 54 个道德提示下的内部活动进行审计，涵盖电车难题等四类场景。数据显示伦理标签神经元的激活率约为 5%，其排名显著靠前且平均激活分数更高，并在 31 条电车难题响应中识别出 19 条支持干预建议。该工作提出了“帧条件道德计算”作为组织性假设，并将机制对齐作为评估分布式实现的标准。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。