inclusionAI Models·· 16 giờ trướcĐiểm AI40
Ling-3.1-flash-1019-singprobe: Một đầu dò hàng rào bảo vệ dạng luồng cho Ling-3.1-flash-1019
inclusionAI/Ling-3.1-flash-1019-singprobe
Tóm tắt bằng AI
Ling-3.1-flash-1019-singprobe là một hàng rào bảo vệ dạng luồng nội tại cho Ling-3.1-flash-1019, khai thác các trạng thái ẩn tại lớp 23, 47 và 71 bằng một đầu dò 8,13M tham số để chấm điểm ý định truy vấn, tính không an toàn của phản hồi và rủi ro ảo giác tại mỗi token. Nó đạt F1 0,8687 về ý định truy vấn và 0,8707 về an toàn phản hồi, cùng với AUC phản hồi 0,9844 và AUC token 0,9411 về an toàn dạng luồng, với tỷ lệ dương tính giả trên phản hồi lành tính là 0,008%.
Nguồn:inclusionAI Models · huggingface.co