研究：语言模型能检测并定位自身激活扰动
热点事件持续更新
研究：语言模型能检测并定位自身激活扰动
1 篇报道1 个报道来源2 小时前更新
先了解这件事
AI 综述
Damiano Fornasiere 等研究者发布的论文称，语言模型能检测、定位并在一定程度上描述施加于其激活值上的语义无关扰动。 研究对 Gemma、Llama、Mistral、Olmo、Qwen 和 Seed 家族 8B 至 36B 的八个模型施加 dropout 或高斯噪声，多数模型能以近乎完美的准确率完成检测与定位。Olmo 模型在预训练中形成该能力；Qwen3-32B 与 Qwen3.8-27B 零样本识别扰动类型的准确率与扰动强度相关。
AI 根据报道生成 · 1 小时前更新
最新进展10月30日 16:43
研究发现 LLM 能识别并定位其激活值上的 dropout 与高斯噪声报道时间线
沿着报道，了解事件的不同侧面。
10月30日
- Hacker News研究发现 LLM 能识别并定位其激活值上的 dropout 与高斯噪声
研究显示，语言模型能检测、定位并在一定程度上描述施加于其激活值上的语义无关扰动。作者对 Gemma、Llama、Mistral、Olmo、Qwen 和 Seed 家族 8B 至 36B 的八个模型施加 dropout 或高斯噪声，多数模型能以近乎完美的准确率完成检测与定位。Olmo 模型在预训练中形成该能力，Qwen3-32B 与 Qwen3.8-27B 识别扰动类型的零样本准确率与扰动强度相关。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。