Neuronpedia 发布 Gemma Scope Sparse Autoencoder Features 数据集, 应用在 人工智能、欺骗性检测 领域

Neuronpedia 本次发布的数据集 Gemma Scope Sparse Autoencoder Features, 该数据集包含了167个欺骗性特征和269个非欺骗性特征，用于测试人工智能代理在生成欺骗性解释时的可扩展性。数据集包含了每个特征高激活和最小激活的示例，这为详细分析人工智能代理的欺骗行为提供了可能。总体而言，这是一个大型的数据集，总共包含436个特征（167个欺骗性和269个非欺骗性特征），其任务是对人工智能代理在生成欺骗性解释的同时规避检测的能力进行评估。

查看Gemma Scope Sparse Autoencoder Features

README 内容： 

关于 arXiv , arXiv 是一个免费分发服务和开放获取的学术文章档案库，涵盖了物理学、数学、计算机科学、定量生物学、定量金融、统计学、电气工程和系统科学以及经济学等领域。该网站上的材料并未经过 arXiv 的同行评审。