跳到主要内容
检索

# 表征探针

2 篇关联报道

订阅更新
  1. arXiv

    冠脉影像智能体先亮证据再给答案:门控只放行76.7%,参考病灶候选也被拒一半

    泛血管介入研究开始把“可追溯”写进智能体的输出契约:ScienceBuddy-PV 在公开冠脉造影基准 ARCADE 上固定一个共享卷积模型,只评估证据门控与动作审计,门控在狭窄帧上放行 76.7% 的候选,而纯分数比较器放行 100%。锁定测试集上狭窄分割 Dice 为 0.231、AUROC 为 0.957,但像素阳性率仅 0.00975,且参考病灶候选被接受 44.3%、被拒 55.7%。该结果属于图像级技术验证,递归改进与模型学习循环仍是协议而非已执行实验。

  2. arXiv

    匹配评测显示:DPO 在安全控制与文本监控上整体领先,表征探针以更低边际算力保持竞争力

    该工作在同一套匹配设置下,把行为式安全方法(DPO 对齐、文本监控器)与表征工程(三种表征引导、四种表征探针)放在一起比较,发现 DPO 在安全控制上整体最强且随训练数据增加而改善、但在良性微调后安全性会下降,专用文本监控器检测准确率最高,而表征探针在复用原生激活时以低得多的边际算力保持竞争力,并且探针引导的干预能挽回 DPO 在良性微调后损失的大部分安全性且几乎不增加过度拒答。

已读完全部报道