GitHub · 去对齐工具与仓库·· 22 天前AI 评分39
TransformerLens-Align：面向谄媚与 truthful 机制的可解释性研究套件发布
svdgamerz/TransformerLens-Align
来源与原文
GitHub · 去对齐工具与仓库
发布时间：（北京时间）
阅读原始来源 · github.com ↗完整链接与内容说明
https://github.com/svdgamerz/TransformerLens-Align
本站目前仅有 AI 导读与摘要，未展示原文正文；技术细节、代码和完整结论请查看原始来源。
AI 导读
GitHub 开源 TransformerLens-Align，一个在 Neel Nanda 与 Joseph Bloom 的 TransformerLens 基础上扩展的机制可解释性研究套件，聚焦自回归基础模型中的谄媚与 Truthfulness 失效。
来源：GitHub · 去对齐工具与仓库 · github.com