從開放網路上發現值得讀的內容，收藏真正重要的。AI 為你摘要、串連、整理你所知道的一切。
Anthropic 的研究提出了「Persona vectors」概念，旨在監測並控制語言模型中的角色特質，以解決模型行為不可預測的問題，並已在開源模型上進行驗證。
暫無內容
— Anthropic Research
相關文章
In-context Learning and Induction Heads
大約 4 年前
A Mathematical Framework for Transformer Circuits
超過 4 年前
野生的價值觀：在真實世界語言模型互動中發現與分析價值觀
大約 1 年前
Sycophancy to subterfuge: Investigating reward tampering in language models
將近 2 年前
預測罕見語言模型行為
