Logit-Gap Steering

論文要約

重み演算でLLMを操る！革新的Steering手法を徹底解説

紹介論文今回紹介する論文はSteering Language Models with Weight Arithmeticという論文です。 この論文を一言でまとめるとLLMの新たな制御法「Contrastive Weight Steering...
2025.11.11
論文要約IT・プログラミング
論文要約

Logit-Gap Steering：LLMの脆弱性を突く効率的なJailbreak

紹介論文今回紹介する論文はLogit-Gap Steering: Efficient Short-Suffix Jailbreaks for Aligned Large Language Modelsという論文です。 この論文を一言でまとめ...
2025.07.03
論文要約IT・プログラミング