순수한 선의 계단형 특징을 사용한 동의어 감지 및 관리
이 모델의 행동을 해석하고 제어하기 위해 활성화 방향 메소드를 사용하는 데는 의도된 또는 의도되지 않은 행동을 명확하게 보여주는 많은 대조적 샘플 pair이 필요하다. 이러한 데이터 pair은 해석 가능한 프레임워크가 행동에 대한 책임이 있는 모델 특징을 신뢰성 있게 감지하는 정도를 결정하고, 따라서 행동을 향해 또는 멀어지게 모델을 제어할 수 있는 능력을 결정한다. 이 연구에서, 우리는 대규모 언어 모델(LLM)가 사용자 검증을 우선하는 경향(sycophancy)을 탐지하고 제어하기 위해 반복적인 데이터 생성 PIPELINE을 제시한다. 특히, 우리는 단순한 이진 pair의 샘플을 넘어서, 대조적 샘플 pair이 behavior에 대한 특징이 선형적으로 증폭되는 샘플을 분리함으로써, 특징을 더 잘 분리할 수 있음을 보여준다. 우리는 cascading samples를 통해 발견된 sycophancy 특징이 선형 분리 가능한 subspace를 형성하고, desired behavior와 더 명확하게 일치하는 모델 활성화를 선택할 수 있음을 보여준다. 또한, 우리는 detection, deterministic scoring, robust steering을 허용할 수 있는 능력에 대한 평가를 진행했으며, LLM-as-a-judge와 system prompting baseline과 비교했을 때, 낮은 계산 복잡도와 더 많은 해석 가능성 보장을 제공하는 반면, LLM-as-a-judge와 system prompting baseline을 match하거나 초과한다. 코드와 데이터: https://cascading-feats.github.io/
함께 읽으면 좋은 기사
AMD가 인공지능 회사 월드 랩스(Wold Labs)를 8억 달러 이상에 인수한다
AMD가 대규모 언어 모델(LLM) 및 인공지능(AI) 기술 연구소인 World Labs를 8억200만 달러 규모의 주식 교환으로 인수한다고 발표했다. World Labs는 2024년에 설립되었으며 몇 개월 만에 10억 달러 규모의 기업으로 성장했다. 이 스타트업은 첫 번째 상업 제품으로, 세계 생성 모델을 포함하는 AI 플랫폼을 출시했다.
시각성 겹침: 방향성 기원 내 개중량 모델 계통
가중치가 공개된 모델은 종종 최적화, 정렬, 병합, 다시 공개되는 과정을 거치게 되며, 모델의 기원에 대한 감사는 단순히 체크포인트가 관련되어 있는지 여부를 확인하는 것만이 아닌, 체크포인트 중 누가 먼저 만들어졌는지 또한 확인해야 하는 상황이 발생합니다. 현재까지 존재하는 모델 기원에 대한 방법들은 주로 기존에 알려진 모델을 대상으로 하는 감사 설정에 설계되어 있으며, 주어진 모델 중 한
AI를 자산으로, 비용으로만 볼 것인가
고객들이 AI 비용에 대해 이야기할 때, 대화는 보통 토큰 가격으로 시작하고 cloud에서 가장 강력한 모델에 접근할 수 있는지에 대해 끝나곤 합니다. 그들이 항상 그 정도의 능력 필요하다는 건 항상 그렇지는 않습니다. 하지만 그 정도로 대화가 진행되곤 합니다. AI는 실험에서 생산으로 옮겨갈 때, 모델 선택은...
AI가 과학적 발견을 하는 시점은 언제인가?
AI 기술 회사인 Anthropic은 대규모 언어 모델(Claude agents)을 통해 생물학 문제를 해결하고자 하는 연구를 진행 중입니다. 연구 결과, AI가 과학적 발견을 하는 시점에 대해 궁금해하시는 분들을 위해 자세한 내용을 소개합니다.
플로리다 주의
플로리다 주 법무장관은 OpenAI를 상대로
LLM이 문맥을 이해할 수 있는가? 지식 그래프 기반 평가 프레임워크
대규모 언어 모델(LLMs)가 언어 능력에 대해 놀라운 성과를 보인 것은 사실이지만, 그 모델의 심장에 깊이 있는 질문 하나가 남아 있다: 이러한 모델들이 정말로 문맥을 이해하거나 단순히 무려 대규모 패턴 매칭에만 능통한 것일까? 대규모 언어 모델에서 문맥 이해는 주어진 문맥에서 관련 정보를 정확하게 추출하고, 그것을 일관된 내부 표현으로 통합하고, 그 문맥을 바탕으로 사실적이고 문맥적으로
관련 콘텐츠 더 보기
다른 플랫폼에서 이 주제에 대한 더 많은 정보를 확인하세요.