Bilanz der Quelle: Die Arbeit stellt eine kalibrierte Methode zur Messung von Verhaltensdrift bei Sprachmodellen vor und zeigt, dass Reasoning-Fähigkeiten solche Verschiebungen oft verschleiern. Das Verfahren erkennt bereits kleine Änderungen in gefährlichen oder unerwünschten Eigenschaften präziser als bisherige Bewertungsansätze.
🔗 Im Original weiterlesen → · 🗃 Wayback Machine (Archiv)
ℹ️ KI-Hinweis
Die Inhalte dieses Artikels wurden automatisiert mittels Künstlicher Intelligenz generiert. Die zugrundeliegenden Daten stammen von arxiv.org. Es erfolgte keine manuelle redaktionelle Bearbeitung.
Die Inhalte dieses Artikels wurden automatisiert mittels Künstlicher Intelligenz generiert. Die zugrundeliegenden Daten stammen von arxiv.org. Es erfolgte keine manuelle redaktionelle Bearbeitung.
