Interpretable LLM Guardrails via Sparse Representation Steering

Fuente: arXiv

Guardado en:

Detalles Bibliográficos
Autores principales:	He, Zeqing, Wang, Zhibo, Xu, Huiyu, Lin, Hejun, Zhang, Wenhui, Chu, Zhixuan
Formato:	Preprint
Publicado:	2025
Materias:	Cryptography and Security Computation and Language
Acceso en línea:	Acceder al recurso
Etiquetas:	Agregar Etiqueta Sin Etiquetas, Sea el primero en etiquetar este registro!

Internet

https://arxiv.org/abs/2503.16851