sycophancy

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...

論文要約IT・プログラミング

LLMの追従性を解剖！多面的なメカニズムと対策

紹介論文今回紹介する論文はSycophancy Is Not One Thing: Causal Separation of Sycophantic Behaviors in LLMsという論文です。この論文を一言でまとめるとLLM（大規...

論文要約IT・プログラミング