arXiv · cs.AI· Vincent Siu, Glenn Grant-Richards, Vlad Pavlovich, Yizhou Sun, Dawn Song, Chenguang Wang·· 1 天前
Transformer拒答机制的组件与维度稀疏性研究
Component and Dimension Sparsity in Transformer Refusal Mechanisms
arXiv:2610.06903v1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：Vincent Siu, Glenn Grant-Richards, Vlad Pavlovich, Yizhou Sun, Dawn Song, Chenguang Wang
研究任务与主要进展
Vincent Siu等人在四个开放权重模型中分解拒答引导机制，发现仅28%—48%的上游组件即可保留88%—101%的引导有效性。进一步分析显示，约50%的残差流维度可保留组件机制基线85%—98%的有效性，表明拒答信号具有组件和维度两层稀疏结构；作者同时发布了代码与原始实验结果。
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