PolicyMem：将自然语言策略编译为低秩子空间
热点事件持续更新
PolicyMem：将自然语言策略编译为低秩子空间
1 篇报道1 个报道来源10 小时前更新
先了解这件事
AI 综述
Yuanchen Bei 等作者提出 PolicyMem，把自然语言策略编译成可学习的低秩子空间，作为“几何策略记忆”在评估、改写与验证等治理阶段复用。 策略评估器将查询-回复表示投影到这些子空间，输出用于安全判定和策略归因的证据；改写器据此修订不安全回复，再由同一评估器复评。作者称，在五个常用基准上，PolicyMem 的平均不安全行为检测表现优于代表性基线，并支持策略归因、改写与干预后评估。
AI 根据报道生成 · 2 小时前更新
最新进展11月5日 13:00
PolicyMem：面向 LLM 治理的几何策略记忆报道时间线
沿着报道，了解事件的不同侧面。
11月5日
- arXiv cs.CLPolicyMem：面向 LLM 治理的几何策略记忆
PolicyMem 将自然语言策略编译为可学习的低秩子空间，作为几何策略记忆在评估、改写与验证等治理阶段复用。策略评估器把查询-回复表示投影到这些子空间，产出直接支撑安全判定与策略归因的证据；改写器依据涉及策略修订不安全回复，并由同一评估器复评。在五个常用基准上，PolicyMem 的平均不安全行为检测表现优于代表性基线，同时支持策略归因、改写与干预后评估。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。