AGI Hunt· knoveleng·· 47 分钟前AI 评分54
方向消融为何失效?Centered Ablation 给出闭式解
方向消融为何失效?Centered Ablation 给出闭式解并大幅提升效果
AI 导读
Centered Ablation 通过闭式解去除末层残差流中的共模分量,修复方向消融在 8 个模型上的欠触发与文本坍缩问题。它将欠触发场景的攻击成功率提升 29–46 个百分点,并把 Gemma-2-9B 的文本坍缩从 50% 降至 1%,正常回答保留率比此前仿射偏移高 39–46 个百分点。
来源:AGI Hunt · agihunt.info