arXiv·· 12 天前AI 评分29
SteerScope：LLM 激活引导方法的多维评测套件
Does Steering Break Your Model? A Multi-Dimensional Evaluation Suite for LLM Steering Methods
AI 导读
SteerScope 是一套双轴多维评测套件，通过 15 项指标同时刻画 LLM 激活引导的效果与方法属性。现有评测只零散覆盖这些维度，导致引导有效性与副作用之间的权衡未被系统刻画。该套件强调有效引导不仅要诱发目标行为，还需限制非预期改变，并在不同输入与训练数据上保持稳健。
来源：arXiv · arxiv.org