SteeringSafety: A Systematic Safety Evaluation Framework of Representation Steering in LLMs

Fuente: arXiv

Enregistré dans:

Détails bibliographiques
Auteurs principaux:	Siu, Vincent, Crispino, Nicholas, Park, David, Henry, Nathan W., Wang, Zhun, Liu, Yang, Song, Dawn, Wang, Chenguang
Format:	Preprint
Publié:	2025
Sujets:	Artificial Intelligence Computation and Language Machine Learning
Accès en ligne:	Acceder al recurso
Tags:	Ajouter un tag Pas de tags, Soyez le premier à ajouter un tag!

Internet

https://arxiv.org/abs/2509.13450