概念
Memory Steering
一种轻量级的推理时干预方法,通过在压缩表示空间中操作,无需重新训练即可恢复模型的拒绝对齐行为,属于激活引导类技术。
时间轴 (近 90 天)
11月5日
Memory Steering 是一种轻量级的推理时干预方法,能够在无需重新训练的情况下,将拒绝率恢复到接近基线的水平,并且完全在压缩表示空间中操作。
待验证50%
一种轻量级的推理时干预方法,通过在压缩表示空间中操作,无需重新训练即可恢复模型的拒绝对齐行为,属于激活引导类技术。
Memory Steering 是一种轻量级的推理时干预方法,能够在无需重新训练的情况下,将拒绝率恢复到接近基线的水平,并且完全在压缩表示空间中操作。