Refusal Direction is Universal Across Safety-Aligned Languages

Fuente: arXiv

Guardado en:

Detalles Bibliográficos
Autores principales:	Wang, Xinpeng, Wang, Mingyang, Liu, Yihong, Schütze, Hinrich, Plank, Barbara
Formato:	Preprint
Publicado:	2025
Materias:	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/2505.17306