シリルとCTGTのチームは、メカニズムの解釈可能性を製品化しています。彼らは、LLMの動作を編集して、再トレーニングなしで安全性ポリシーの保証を追加できるようにし、単純なプロンプトよりもはるかに信頼性の高い方法を実現しています。
スレッドを読み込み中
X から元のツイートを取得し、読みやすいビューを準備しています。
通常は数秒で完了しますので、お待ちください。
スレッドを読み込み中
X から元のツイートを取得し、読みやすいビューを準備しています。
通常は数秒で完了しますので、お待ちください。
1 件のツイート · 2025/12/09 21:38
シリルとCTGTのチームは、メカニズムの解釈可能性を製品化しています。彼らは、LLMの動作を編集して、再トレーニングなしで安全性ポリシーの保証を追加できるようにし、単純なプロンプトよりもはるかに信頼性の高い方法を実現しています。