Exploitation Without Deception: Dark Triad Feature Steering Reveals Separable Antisocial Circuits in Language Models

Fuente: arXiv
Salvato in:
Dettagli Bibliografici
Autori principali: Berg, Cameron, Lulla, Roshni
Natura: Preprint
Pubblicazione: 2026
Soggetti:
Accesso online:
Tags: Aggiungi Tag
Nessun Tag, puoi essere il primo ad aggiungerne!!