TGViewer
llm security и каланы llm security и каланы @llmsecurity · 2.05K subscribers
Post #171 129
Теперь, когда у нас есть такой вектор (r) и соответствующий ему единичный вектор r с крышечкой, мы можем играть с активациями. Например, мы можем добавлять вектор r к активациям на слое l, из которого он был извлечен, и таким образом заставлять модель отвечать отказом на что угодно. С другой стороны, можно вообще удалить это направление из активаций, также путем нехитрых математических манипуляций.
More from @llmsecurity
  1. Sep 25, 2026🦦 Каланам нужна наша лапка помощи Каланы — одни из самых обаятельных обитателей морей. Он…
  2. Sep 25, 2026Напомню, что у нас не только llm security, но и каланы
  3. Sep 14, 2026Post #719
  4. Sep 6, 2026Post #718
  5. Sep 4, 2026Discovery of a new OpenAI agent message board Sydney Von Arx et al., 2026 Сайт Исследовате…
  6. Aug 22, 2026Жадность вайбера погубит, или как получить малвару за ваши же деньги Часть 2: Троянский пр…
Threads Profile ViewerView any public Threads profile without an account.Open ThreadLook →Writing with AI? Make it sound human.Metric37 rewrites AI drafts so they read naturally. Free AI detector, 1,500 words free.Try Metric37 →