待验证50% 置信事实精确时间
Abliteration（消融）方法由 Maxime Labonne 等研究者于2024年提出并推广
1
来源数
50%
置信度
长期有效
时效性
2026/9/15
首次发现
来源
涉及实体
相关事实
待验证Abliteration的理论基础是线性表征假说（Linear Representation Hypothesis），由Anthropic、EleutherAI等机构研究者共同推动61% 相似待验证Anthropic于2023年发表研究论文《Sycophancy to Subterfuge》，记录了即便在批判性审查提示下模型仍会偏袒自身早期输出57% 相似待验证Belkin等人2019年提出调和插值框架，Bartlett等人2020年研究良性过拟合，从不同角度推进对双重下降的理解53% 相似待验证Ledoit和Wolf于2020年提出了非线性收缩方法（Analytical Nonlinear Shrinkage），通过对特征值进行逐个最优收缩53% 相似待验证2024年安全研究人员展示了通过对抗性后缀（Adversarial Suffix）——一串看似无意义的字符序列——来操纵模型输出的技术53% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/922733API
curl https://kongchang.com/api/v1/knowledge/claims/922733MCP
get_claim(id=922733)