#可解釋性 相關新聞

研究揭示大型語言模型的「情緒向量」：可解釋性與安全監測的新線索

一項研究提出模型內部存在可辨識的情緒概念表徵，並顯示不同情緒狀態可影響行為傾向，為對齊與風險監控提供新方法。