Interpretable LLM Guardrails via Sparse Representation Steering

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	He, Zeqing, Wang, Zhibo, Xu, Huiyu, Lin, Hejun, Zhang, Wenhui, Chu, Zhixuan
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Cryptography and Security Computation and Language
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Online

https://arxiv.org/abs/2503.16851