Hacker News· andromaton·· 2 小时前AI 评分58
把监督工具编译进模型权重：在 Qwen 3.5 内植入谎言检测器与可解释性答案键
Building oversight tools into a model's weights
AI 导读
作者在 Qwen 3.5 的 Gated DeltaNet 层中编译进一个基于第 17 层激活的线性探针，模型即将说谎时先输出标记 token，并把标记写入权重内的日志。
来源：Hacker News · divagr.com
把监督工具编译进模型权重：在 Qwen 3.5 内植入谎言检测器与可解释性答案键