Steerbarkeit von Sprachmodellen lässt sich früh vorhersagen15. Juni 20264. Juli 2026AI ModelsEin trainierbarer Klassifizier prognostiziert anhand früher Hidden States mit 0,7 Macro-F1-Score, ob Activation Steering erfolgreich sein wird, ohne komplette Generierungen durchlaufen zu müssen. Share on:
