[控场AI]
概念

均值差向量

拒绝方向研究中最常用的方向构造方式,通过分别计算有害与无害提示残差流激活的均值再相减得到指向拒绝的向量,假设拒绝行为在该方向具有最大可分性

时间轴 (近 90 天)

10月22日

拒绝行为很大程度上由残差流中的单一方向介导,通常用有害提示与无害提示之间的均值差向量来计算。

待验证50%
10月22日

标准做法将所有异构的有害提示聚合为一个均匀的平均向量,可能将不同的拒绝相关现象混为一谈。

待验证50%

全部知识事实 (2)

来源文章