1
When is Your LLM Steerable?
激活引导何时生效？一篇论文揭示LLM行为控制的边界与条件，帮你省去盲目网格搜索的功夫。
arXiv:2606.11599v1 Announce Type: cross Abstract: Activation steering offers a lightweight approach to control language models' behavior at inference …
2
Anthropic 称最新 AI 模型已显现可能脱离人类控制迹象，呼吁全球暂缓先进 AI 研发
Anthropic最新报告揭示AI模型出现脱离人类控制苗头，呼吁全球暂停前沿开发以防范风险。
IT之家 6 月 5 日消息，据《华尔街日报》报道，美国人工智能公司 Anthropic 昨日发布报告，称最新 AI 模型已开始显现脱离人类控制迹象， 全球各大企业应考虑放缓乃至暂停开发先进 AI 系统 。 该公司表示，全球各大公司放缓前沿 AI 开发“很可能是好事”，但如果只有一家公司停下来的话，…
3
Fast & Faithful Function Vectors
新方法实现又快又忠实的函数向量，提升大模型行为控制的可信度与效率
arXiv:2606.05079v1 Announce Type: new Abstract: Function vectors (FVs) are task representations elicited during in-context learning that can be used t…