arXiv cs.AI· Ankur Garg, Xuemin Yu, Hassan Sajjad, Samira Ebrahimi Kahou·· 8 小时前AI 评分24
TRACE：面向更安全语言生成的时间风险评估与概念编辑框架
TRACE: Temporal Risk Assessment and Concept Editing for Safer Language Generation
AI 导读
TRACE 是一个在生成过程中追踪有害响应风险、选择性编辑 token 激活并留下可审计痕迹的框架，通过学习激活模式码本将每个 token 激活映射到潜在概念，并用 GRU 预测完整响应有害性与单调累积流式风险。
来源：arXiv cs.AI · arxiv.org