arXiv Artificial Intelligence· Oz Amram·2026-10-28 12:00· 19 小时前AI 评分53

基座模型可检测提示分类器漏掉的隐藏意图

Base Models Can Detect Hidden Intentions that Prompted Classifiers Miss

AI 导读

作者提出 persona-header likelihood evaluation（PHLE）方法，通过基座预训练模型在特定 header 下评估输出似然，解码后训练模型输出中的潜意识信号。