计算机科学 > 计算与语言
[提交于 2025年1月2日
(v1)
,最后修订 2025年5月20日 (此版本, v2)]
标题: 概念的柏拉图表示下大型语言模型之间的跨模型可迁移性
标题: Cross-model Transferability among Large Language Models on the Platonic Representations of Concepts
摘要: 理解大型语言模型(LLMs)的内部机制是一个关键的研究领域。先前的研究表明,单个LLM的概念表示可以被捕捉为引导向量(SVs),从而能够控制LLM的行为(例如,生成有害内容)。我们的工作通过探索不同LLMs之间概念表示的复杂关系,采取了一种新颖的方法,并提出了一个引人注目的类比,即柏拉图的洞穴寓言。具体来说,我们引入了一种线性变换方法来连接这些表示,并提出了三个主要发现:1)可以通过简单的线性变换有效地对齐不同LLMs的概念表示,从而通过SVs实现高效的跨模型传输和行为控制。2)这种线性变换在概念上具有泛化能力,促进了不同概念的SVs在LLMs之间的对齐和控制。3)LLM概念表示之间存在弱到强的可迁移性,即从较小的LLMs中提取的SVs可以有效控制较大LLMs的行为。
文献和引用工具
与本文相关的代码,数据和媒体
alphaXiv (什么是 alphaXiv?)
CatalyzeX 代码查找器 (什么是 CatalyzeX?)
DagsHub (什么是 DagsHub?)
Gotit.pub (什么是 GotitPub?)
Hugging Face (什么是 Huggingface?)
带有代码的论文 (什么是带有代码的论文?)
ScienceCast (什么是 ScienceCast?)
演示
推荐器和搜索工具
arXivLabs:与社区合作伙伴的实验项目
arXivLabs 是一个框架,允许合作伙伴直接在我们的网站上开发和分享新的 arXiv 特性。
与 arXivLabs 合作的个人和组织都接受了我们的价值观,即开放、社区、卓越和用户数据隐私。arXiv 承诺这些价值观,并且只与遵守这些价值观的合作伙伴合作。
有一个为 arXiv 社区增加价值的项目想法吗? 了解更多关于 arXivLabs 的信息.