AI 搜索

带引用 · 可溯源

先用站内已采集内容作答；站内不足时联网检索，每条结论都给出来源链接

AI 答案

资料有限基于 1 条来源 · 引用可点击溯源

现有资料不足以回答该问题的具体细节。可确认的部分：

PRISM 是一个研究工具调用语言模型中激活干预可迁移性的框架1。
资料提到干预方向可以迁移到 70B 模型，但没有说明具体干预了哪些层，也没有说明干预方向在层间或模型间是如何迁移的1。
资料中唯一给出的量化结果是：利用量化 NF4 标签和跨语言迁移稳定估计安全干预方向，无需目标语言微调即可将 Llama-3.1-8B 的不安全违规降低 21.95 个百分点1。
关于 70B 模型，资料只说明干预可迁移至该规模模型，未给出层号、层范围、迁移路径或迁移机制的任何描述1。

因此，关于“70B 上具体干预哪些层”和“干预方向如何迁移”这两个问题，现有资料均无法支撑回答，需要查阅论文原文的实验设置与消融部分。

继续追问

1 条

AI 答案正在检索与综合…

1 条 · 点击可看原文全文与中文译文

大模

PRISM 框架研究工具调用语言模型中激活干预的可迁移性，发现利用量化 NF4 标签和跨语言迁移可稳定估计安全干预方向，无需目标语言微调即可将 Llama-3.1-8B 的不安全违规降低 21.95 个百分点，并可迁移至 70B 模型。

大模型·arXiv cs.CL·5 天前