Breaking Bad: Interpretability-Based Safety Audits of State-of-the-Art LLMs

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Agarwal, Krishiv, Kaur, Ramneet, Samplawski, Colin, Acharya, Manoj, Roy, Anirban, Elenius, Daniel, Matejek, Brian, Cobb, Adam D., Jha, Susmit
Format:	Preprint
Veröffentlicht:	2026
Schlagworte:	Cryptography and Security Machine Learning
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Online

https://arxiv.org/abs/2604.20945