Detecting and Understanding Vulnerabilities in Language Models via Mechanistic Interpretability

Fuente: arXiv
Guardado en:
Detalles Bibliográficos
Autores principales: García-Carrasco, Jorge, Maté, Alejandro, Trujillo, Juan
Formato: Preprint
Publicado: 2024
Materias:
Acceso en línea:
Etiquetas: Agregar Etiqueta
Sin Etiquetas, Sea el primero en etiquetar este registro!

Ejemplares similares