提出竞争目标检验判断激活导向向量是否直接控制目标

Weilun Xu（EPFL）与Zipeng Sun（McGill University, Mila）在arXiv提出“竞争目标检验”：将某目标的行为导向向量与用同一方法为竞争目标构建的向量比较，用等价检验判断两者差异是否低于有用阈值，从而判断该向量是否直接控制目标行为。 作者在开放权重模型中以康德义务论与行为功利主义框架的向量为对象验证。在留出情境中，提示某框架会升高其评分、降低另一框架评分，而任一框架的向量对两项评分的影响相似，均未达到预设的有用差异阈值。 作者称，两个向量共享大部分方向，即“应用某种框架”的请求；同一构造方法能区分乐观与悲观语气向量，后两者共享程度低得多。

AI 根据报道生成 · 3 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。