arXiv · cs.AI· Damiano Fornasiere, Mirko Bronzi, Spencer Kitts, Alessandro Palmas, Yoshua Bengio, Oliver Richardson·· 6 小时前
语言模型能够识别并定位激活中的 dropout 与 Gaussian 噪声
Language models recognize dropout and Gaussian noise applied to their activations
arXiv:2604.17465v3阅读论文 PDF ↗
仅依据论文摘要整理；未读取全文，实验条件、证明与基准细节请核对原文。
作者：Damiano Fornasiere, Mirko Bronzi, Spencer Kitts, Alessandro Palmas, Yoshua Bengio, Oliver Richardson
研究任务与主要进展
论文摘要报告，8个来自Gemma、Llama、Mistral、Olmo、Qwen和Seed家族、规模为8B至36B的语言模型，都能检测并定位施加在句子激活上的dropout或Gaussian 噪声扰动，部分任务达到完美准确率；Qwen3-32B和Qwen3.8-27B识别扰动类型的零样本准确率与扰动强度相关。
阶段、条件与复现 · 深读核对
- 新能力对应什么具体任务与最小输入输出？
- 代码、模型、数据、许可与可用入口是否明确？
- 效果、总成本、失效条件与实际工作流如何验证？
这些是阅读核对问题；材料未说明的条件保留未知。请结合上方论文版本、资料范围与原文核验。
来源：arXiv · cs.AI · arxiv.org