研究：十款开源模型仅三款能小幅控制自身激活
热点事件持续更新
研究：十款开源模型仅三款能小幅控制自身激活
1 篇报道1 个报道来源4 小时前更新
先了解这件事
AI 综述
研究者 Davide Baldelli 等发表论文，用“上下文神经反馈”实验测试十款开源权重模型能否控制自身激活：模型被要求最大化或最小化一个由其激活值算出的分数，该分数每轮反馈给模型。 实验覆盖 5 个模型家族、规模 9B 至 32B。在固定句子预填充条件下，十款模型中有三款表现出小幅但一致的激活控制效果。 在欺骗监测器测试中，没有模型能降低监测分数，但有一款模型可以将其提高。
AI 根据报道生成 · 3 小时前更新
最新进展10月15日 12:00
跨模型上下文神经反馈实验揭示 LLM 对自身激活的（有限）控制能力报道时间线
沿着报道，了解事件的不同侧面。
10月15日
- arXiv cs.CL跨模型上下文神经反馈实验揭示 LLM 对自身激活的（有限）控制能力
研究者用上下文神经反馈实验测试了来自 5 个模型家族、规模 9B 至 32B 的十款开源权重模型能否控制自身激活。在固定句子预填充条件下，十款模型中有三款表现出小幅但一致的激活控制效果。在欺骗监测器测试中，没有模型能降低监测分数，但有一款模型可以将其提高。
本事件热度走势
- 可比范围当前
- 9
- 可比范围峰值
- 1010月15日 13:00
- 近 24 小时变化
- –
02.557.510
13:0014:0015:00
趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。