🤖 machine learning
Evaluation without Generation: Non-Generative Assessment of Harmful Model Specialization with Applications to CSAM
यह शोध पत्र "गौसियन प्रोबिंग" (Gaussian probing) को प्रस्तुत करता है, जो एक गैर-जनरेटिव मूल्यांकन विधि है जो LoRA अडैप्टर में आंतरिक प्रतिनिधित्व विक्षोभ (internal representation perturbations) का विश्लेषण करके हानिकारक मॉडल विशिष्टता, जैसे कि CSAM के लिए, का आकलन करती है, जिससे स्केलेबल और कानूनी रूप से अनुपालन योग्य ऑडिटिंग सक्षम होती है जहाँ पारंपरिक आउटपुट-आधारित जनरेशन प्रतिबंधित है।