#Liars' Bench

共 1 条 · 7 天 1 条 · 30 天 1 条
信息流里打上「Liars' Bench」标签的资讯、产品与论文,按刊登时间排,新的在上。
11月20日
论文:用人格方向与知识方向探测大语言模型谎言的边界

这篇论文做了件少见的事:把无标签人格方向测到 70B 规模,然后老实报告失败。Qwen 上失效、知识谎言基本追措辞、组合分数在留出集上输给探针——做模型安全审计或探针研究的同学值得看看这些边界在哪。

arXiv cs.AI@Md. Abdullah Al Zami 等 6 人原文