语言大模型 / LLM

AntiPaSTO: Self-Supervised Honesty Steering via Anti-Parallel Representations

AntiPaSTO：通过反平行表示实现自监督诚实引导

Michael J. Clark

机构 * Independent Researcher, Perth, Australia（珀斯独立研究员） 纠错

专题命中 其他LLM ：prompting(abstract)；分类 cs.LG

AI总结 AntiPaSTO通过反平行表示实现自监督诚实引导，通过对比学习提升模型在日常困境中的引导效果，并在多个价值轴上取得优势。

Comments Code is available at https://github.com/wassname/AntiPaSTO