Detecting High-Stakes Interactions with Activation Probes

Fuente: arXiv

Guardado en:

Detalles Bibliográficos
Autores principales:	McKenzie, Alex, Pawar, Urja, Blandfort, Phil, Bankes, William, Krueger, David, Lubana, Ekdeep Singh, Krasheninnikov, Dmitrii
Formato:	Preprint
Publicado:	2025
Materias:	Machine Learning
Acceso en línea:	Acceder al recurso
Etiquetas:	Agregar Etiqueta Sin Etiquetas, Sea el primero en etiquetar este registro!

Internet

https://arxiv.org/abs/2506.10805