论文

Predicting Alignment Generalization with Value Representations

一篇研究LLM对齐泛化预测的论文，提出利用模型内部激活表征预测价值微调对未见情境行为的影响，构建了66个价值维度的大规模泛化矩阵。

时间轴 (近 90 天)

10月13日

论文《Predicting Alignment Generalization with Value Representations》提出了对齐泛化预测任务，即预测微调模型遵循某一价值后，在大量留出价值上的行为变化。

待验证50%

论文《Predicting Alignment Generalization with Value Representations》提出了对齐泛化预测任务，即预测微调模型遵循某一价值后，在大量留出价值上的行为变化。