本サイトは 12 時間以上更新されていません（通常は 3 時間ごと）。以下の内容は最新でない可能性があります。
このページに条件に合う項目はありません（絞り込みはこのページ内のみ）。
説明モデル生物（model organism）の訓練方法：多目的検証で解釈可能性手法を評価する
要約論文は、後門や追従（sycophancy）、疑似相関などの望ましくない振る舞いを持つ「モデル生物」を単一目的だけで訓練する従来の方法では不十分だと主張しています。目標行動の組み込み、一般的能力の保持、出力の自然さという三つの目的と指標による検証を提案し、モデルマージに基づく多目的訓練手法も紹介しています。検証指標は解釈可能性手法が目標行動をどれだけ復元できるかを予測し、訓練方法の違いが導かれる結論に影響することを示しています。
説明GAGR-Lab：空間幾何と解析関数の統合推論を評価するフレームワーク
要約論文は、デカルト座標のゲーム場面、明示的な関数意味論、Rust による軌跡実行器を用いて、空間配置を幾何制約を満たす記号関数へ変換する能力を測定する GAGR-Lab を提案しています。単一のホスト型モデル Llama 3.2 11B Vision Instruct による小規模パイロットでは、432 回の試行で目標に命中したものはありませんでした。対照として、特権的な解析探索手法は 600 件の方向性ケースで成功しています。完全な難易度マトリクスと複数モデルの比較結果は、まだ検証されていません。
説明頑健な分散型公平性監査（Auditopus）
要約本論文は大規模言語モデルの公平性監査を、複数の監査者が協調して行う分散型の方法Auditopusとして提案しています。各監査者は原文の問い合わせを共有せず、累積統計ベクトルのみを送ります。理論と実験により、悪意のある監査者が1人いるだけでもベクトルを偽造して不公平なモデルを公平に見せられることを示し、誠実な監査者が過去の統計と矛盾する監査者の重みを下げる防御を導入しています。実験では、監査者の49％が悪意を持つ場合でも、明らかに不公平なモデルが公平と判定されないことが報告されています。