AIHOT ↗· Goodfire Research(网页)·2026-11-05 00:00· 15 天前AI 评分70Goodfire 提出 mechanistic shaping 框架,用内部表征抑制模型走捷径Goodfire 提出 mechanistic shaping 框架 用内部表征抑制模型走捷径AI 导读Goodfire 发布论文提出 mechanistic shaping 框架,用模型内部表征直接指定它该依赖和该表达哪些概念,包含 reliance shaping 与 expression shaping 两类方法。来源:AIHOT · goodfire.com数据与训练安全对齐论文研究#论文/研究#安全/对齐#数据/训练查看事件全部后续