AI星际引擎
AI STARSHIP
首页
动态
博客
播客
论文
学习
关于
墨
纸
2026.11.08 星期日
第
94
期
主题 · SAE
SAE
1 条
01
不依赖因果验证的对数概率降低:诊断基于SAE的LLM中PII抑制
指出用logprob下降评估SAE特征干预抑制PII存在严重偏差,提出基于秩感知的对照实验方法验证真实抑制效果。
arxiv.org
·
arXiv
·
5天前
隐私安全
可解释性
SAE