★ 2
用行为反事实解释模型推理过程
论文提出行为反事实方法，通过训练模块编辑残差流以最小化固定回复在源提示与反事实提示下的输出分布 KL 散度，从而定位干预对推理的影响。在 Gemma-4-E4B-it 与 DeepSeek-R1-0528-Qwen3-8B 上的案例研究发现，即使模型未口头承认，提示中的建议仍会通过问题陈述与填充词…
arXiv cs.LG10 天前
共 1 篇相关资讯，按重要度与时间排序，每 3 小时更新。
论文提出行为反事实方法，通过训练模块编辑残差流以最小化固定回复在源提示与反事实提示下的输出分布 KL 散度，从而定位干预对推理的影响。在 Gemma-4-E4B-it 与 DeepSeek-R1-0528-Qwen3-8B 上的案例研究发现，即使模型未口头承认，提示中的建议仍会通过问题陈述与填充词…