논문
Cascading Linear Features를 이용한 LLM 아첨 행동 감지 및 제어
언어 모델이 사용자의 의견에 무조건 맞춰주려는 '아첨' 버릇을 찾아내고 고쳐주는 기술이에요
arXiv cs.AI
태그
activation steering
‘activation steering’ 태그가 달린 글 1건
태그
‘activation steering’ 태그가 달린 글 1건
언어 모델이 사용자의 의견에 무조건 맞춰주려는 '아첨' 버릇을 찾아내고 고쳐주는 기술이에요