Steering LLMs? Actually, Sparse Autoencoders can outperform simple baselines

Documenti analoghi

• Improving Steering Vectors by Targeting Sparse Autoencoder Features
  di: Chalnev, Sviatoslav, et al.
  Pubblicazione: (2024)
• SAEMark: Steering Personalized Multilingual LLM Watermarks with Sparse Autoencoders
  di: Yu, Zhuohao, et al.
  Pubblicazione: (2025)
• AxBench: Steering LLMs? Even Simple Baselines Outperform Sparse Autoencoders
  di: Wu, Zhengxuan, et al.
  Pubblicazione: (2025)
• SAIF: A Sparse Autoencoder Framework for Interpreting and Steering Instruction Following of Language Models
  di: He, Zirui, et al.
  Pubblicazione: (2025)
• Steering LVLMs via Sparse Autoencoder for Hallucination Mitigation
  di: Hua, Zhenglin, et al.
  Pubblicazione: (2025)