共 2 篇相关文章
Reddit热帖「Claude throwing punches out here」引发讨论：当Claude突然给出直白尖锐的回应，用户为何既错愕又共鸣？本文分析大模型从「温顺助手」转向「可信搭档」的风格博弈，以及对提示词使用的实用启示。
动态缩放激活引导（DSAS）是一种方法无关的模型控制框架，通过解耦"何时引导"与"如何引导"，仅在检测到不期望行为时才施加强干预，从而在保证毒性抑制等安全目标的同时，避免传统激活引导对正常输入的性能损害。
