Новости

The Geometry of Ignorance: Detecting Suppressed Knowledge in LLMs through Activation Fragmentation

arXiv cs.AI · Опубликовано 3 ноября 2026 г. · 3 мин чтения

За 30 секунд

Что произошло: Researchers developed a method to detect whether LLMs truly know suppressed information by analyzing geometric patterns in hidden activation states.
Почему это важно: Matters for engineers building safety systems, evaluating unlearning effectiveness, and assessing whether model refusals hide recoverable knowledge.
На что обратить внимание: The correlation between fragmentation geometry and adversarial recovery depends on attack methodology, so results may not generalize across all attack types.

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 3 ноября 2026 г. · 3 мин чтения

Что произошло: Researchers developed a method to detect whether LLMs truly know suppressed information by analyzing geometric patterns in hidden activation states.
Почему это важно: Matters for engineers building safety systems, evaluating unlearning effectiveness, and assessing whether model refusals hide recoverable knowledge.
На что обратить внимание: The correlation between fragmentation geometry and adversarial recovery depends on attack methodology, so results may not generalize across all attack types.

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.