arXiv · cs.CL· Yinghao He·· 24 天前AI 评分44
SPAE：用注意力引导同时缓解 LLM 谄媚与固执（CoPE-Bench）
Suppressing Pressure, Amplifying Evidence: Self-Guided Attention Steering to Mitigate Sycophancy and Stubbornness
来源与原文
arXiv · cs.CL
作者：Yinghao He
发布时间：（北京时间）
阅读原始来源 · arxiv.org ↗完整链接与内容说明
https://arxiv.org/abs/2610.04329v1
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
研究者提出 SPAE，一个免训练框架，利用模型自身判断识别相关 token，通过 token 级注意力引导抑制用户压力、放大上下文证据，并配套发布含六种条件的 CoPE-Bench。在五个骨干模型上，SPAE 平均降低 18.8 个百分点的顺从压力行为，联合条件下答案更新率较最强基线提升 5.5 个百分点；两轮对话中较最强提示基线平均提升 13.2 个百分点。数据与代码已开源。
来源：arXiv · cs.CL · arxiv.org