Новости

Deep Noir: Autonomous Steering Discovery via Architectural Chronometry in Transformer Models

arXiv cs.AI · Опубликовано 17 сентября 2026 г. · 3 мин чтения

За 30 секунд

Что произошло: Deep Noir automatically discovers where and how strongly to steer transformer model activations, improving spam detection by 16-42 percentage points across model sizes.
Почему это важно: Matters for engineers building LLM classifiers who currently tune steering parameters manually and need systematic, generalizable intervention discovery.
На что обратить внимание: Steering creates a prompt-injection attack surface that grows with steering magnitude, raising security concerns for deployed agent systems using steered classifiers.

Каждый разбирает, как работает техника, когда она оправдывает затраты и где ломается.

Один паттерн, один компромисс, одна история сбоя в продакшене. Короткий еженедельный брифинг для тех, кто строит агентные системы.

Одно письмо в неделю, отписка в один клик. Адрес используется только для рассылки брифинга.

Новости

arXiv cs.AI · Опубликовано 17 сентября 2026 г. · 3 мин чтения

Что произошло: Deep Noir automatically discovers where and how strongly to steer transformer model activations, improving spam detection by 16-42 percentage points across model sizes.
Почему это важно: Matters for engineers building LLM classifiers who currently tune steering parameters manually and need systematic, generalizable intervention discovery.
На что обратить внимание: Steering creates a prompt-injection attack surface that grows with steering magnitude, raising security concerns for deployed agent systems using steered classifiers.

Каждый разбирает, как работает техника, когда она оправдывает затраты и где ломается.

Одно письмо в неделю, отписка в один клик. Адрес используется только для рассылки брифинга.