arXiv · cs.AI· Adrians Skapars, Edoardo Manino·· 6 小时前
BLOOM-WILT通过Logit Tilting提升自动化LLM审计效率
BLOOM-WILT: Logit Tilting for Behaviour Elicitation in Automated LLM Auditing
arXiv:2608.31105v2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：Adrians Skapars, Edoardo Manino
研究任务与主要进展
Adrians Skapars与Edoardo Manino提出BLOOM-WILT，在无需训练成本或超出目标模型下一词分布访问权限的情况下，引导自然多轮对话 eliciting 稀有行为；方法同时调整用户输入策略并混合模型输出分布。
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