COLM 2026：用因果方法定位谄媚等弥散式模型行为

COLM 2026 海报 #80 上，研究者 Aruna 及合作者（包括 Amir Zur、Atticus Geiger、David Hadfield-Menell）展示了用因果干预方法定位模型中弥散概念（如风格、谄媚行为）的研究。作者指出，许多定位方法依赖单 token 差异，难以处理这类分散在生成过程中的复杂行为，因果干预被视为新的方向。报道以海报研究介绍为主，未披露更多实验设置、数据与结论。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。