LLM Safety From Within: Detecting Harmful Content with Internal Representations

Fuente: arXiv

Enregistré dans:

Détails bibliographiques
Auteurs principaux:	Jiao, Difan, Liu, Yilun, Yuan, Ye, Tang, Zhenwei, Du, Linfeng, Wu, Haolun, Anderson, Ashton
Format:	Preprint
Publié:	2026
Sujets:	Artificial Intelligence
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/2604.18519