본문으로 건너뛰기
AI Trends
피드
트렌딩
커뮤니티
공지
로그인
피드
트렌딩
커뮤니티
공지
거절 유도 (refusal-steering) 용어 설명 | AI Trends
refusal-steering
거절 유도
중급
SAE를 이용해 모델의 거절(Refusal) 동작을 제어하는 기법으로, 본 연구에서는 거절 피처를 clamp하고도 회복 경로를 탐지한다.
비슷한 개념
post-intervention-recovery
reconstruction residual
refusal-ablation
refusal-guardrails
refusal-suppression
sparse-autoencoders
model-refusal
refusal-boundaries
← 용어 사전 전체 보기