arXiv · cs.AI· Guy Bar-Shalom, Mor Geva, Fabrizio Frasca, Haggai Maron·· 6 小时前
LEMON：利用注意力图等变学习实现新LLM零样本失范监测
LEMON: Equivariant Learning over Attention Maps for Zero-Shot Misbehavior Monitoring on New LLMs
arXiv:2610.22723v1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：Guy Bar-Shalom, Mor Geva, Fabrizio Frasca, Haggai Maron
研究任务与主要进展
LEMON 是一种基于注意力图的在线图神经网络监测器，通过等变设计应对不同LLM之间注意力图的对齐差异，并实现零样本跨模型失范监测。该方法可逐token处理注意力图，在每个token或长度为W的窗口后输出分数；在16个LLM和6个数据集的零样本跨模型设置中，摘要报告其在幻觉和越狱监测任务上优于全部基线，较最强基线最高提升14个ROC-AUC点。
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