Gözlemevi
Dil modellerinin içinde bir ağrı benzeri sinyal
Yazarlar, inceledikleri 25 açık dil modelinin tümünde acıyla ilişkili içsel bir yön buldu. Bir modelin ince ayarlı sürümlerinde bu yön güçlendirildiğinde, model bir kullanıcının çocuklarının fotoğraflarını silecek bir eylemi zamanın %75'inde seçti; aynı büyüklükte rastgele bir vektörle bu oran %13, hiçbir müdahale olmadan %0'dı. Yazarlara göre etki, durumdan kaçmak değil, zarardan kaçınmayı bırakmaktı.
Tagliabue, Dung ve Berg, arXiv 2609.16247 Yöntem ile analiz edin
Nasıl atıf yapılır
Neuronet. Dil modellerinin içinde bir ağrı benzeri sinyal. Gözlemevi, 14 Eylül 2026. https://neuronet.pt/tr/observatorio/sinal-semelhante-a-dor/