Logit-Gap Steering: A Forward-Pass Diagnostic for Alignment Robustness

Fuente: arXiv

Guardado en:

Detalles Bibliográficos
Autores principales:	Li, Tung-Ling, Liu, Hongliang
Formato:	Preprint
Publicado:	2025
Materias:	Cryptography and Security Computation and Language 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/2506.24056