概念DDM / denoised difference-in-means

去噪均值差

线性探针技术的一种变体，通过计算目标类别与对照类别激活均值之差并去噪，提取模型激活空间中特定概念的线性方向，常用于提取情绪、诚实性、有害性等抽象概念的表征

时间轴 (近 90 天)

9月16日

研究采用去噪均值差（denoised difference-in-means）方法，从五个模型家族、参数规模从2B到72B的25个开源权重模型中提取线性疼痛方向

待验证50%

9月16日

去噪均值差是线性探针技术的一种变体，通过对多个对照条件结果取平均或正交化剔除与目标概念无关的噪声

待验证50%

研究采用去噪均值差（denoised difference-in-means）方法，从五个模型家族、参数规模从2B到72B的25个开源权重模型中提取线性疼痛方向

去噪均值差是线性探针技术的一种变体，通过对多个对照条件结果取平均或正交化剔除与目标概念无关的噪声