Dans l'actualité
From Deceptive Outputs to Deceptive Mechanisms: A Causal Framework for Language-Model Deception Research
arXiv cs.AI · Publié le · 3 min de lecture
En 30 secondes
- Ce qui s'est passé
- Des chercheurs proposent un cadre causal pour distinguer les sorties qui ressemblent à de la tromperie des mécanismes réellement trompeurs dans les modèles de langage.
- Pourquoi ça compte
- Pertinent pour les ingénieurs construisant ou évaluant des modèles de langage, notamment ceux qui évaluent les risques de sécurité et les capacités de tromperie.
- Vigilance
- La tromperie observée ne prouve pas que les modèles ont de l'agentivité ou de l'intentionnalité, seulement que les mécanismes peuvent produire des sorties trompeuses.
- language model
- rag
- open-weight
Les patterns derrière cette actualité
Chacun explique le fonctionnement de la technique, quand elle vaut son coût et où elle casse.
The Agent Architect
Un pattern, un compromis, une panne de production racontée. Un brief hebdomadaire court pour ceux qui construisent des systèmes agentiques.
Un email par semaine, désinscription en un clic. Votre adresse ne sert qu'à envoyer le brief.