Safety Arithmetic: A Framework for Test-time Safety Alignment of Language Models by Steering Parameters and Activations

Fuente: arXiv
Salvato in:
Dettagli Bibliografici
Autori principali: Hazra, Rima, Layek, Sayan, Banerjee, Somnath, Poria, Soujanya
Natura: Preprint
Pubblicazione: 2024
Soggetti:
Accesso online:
Tags: Aggiungi Tag
Nessun Tag, puoi essere il primo ad aggiungerne!!