Новости
The Geometry of Lies: Knowledge and Persona Directions for Detecting Deception in Large Language Models
arXiv cs.AI · Опубликовано · 3 мин чтения
За 30 секунд
- Что произошло
- Researchers tested linear probe methods to detect when large language models lie, using persona role-play directions to identify deceptive outputs across different model architectures.
- Почему это важно
- Engineers building LLM safety systems or deploying models where detecting deception matters, especially when lies mimic honest denials about knowledge.
- На что обратить внимание
- Results vary significantly across models; the method struggles with knowledge-based lies where deceptive and honest responses use identical wording, and gains over baselines are often marginal.
- llm
- language model
- edge
- llama
- qwen
Паттерны, стоящие за этой новостью
- Agentic Context Engineering (Evolving Playbook)
- Role-Based Teamwork
- Agentic SRE (Self-Healing Operations)
Каждый разбирает, как работает техника, когда она оправдывает затраты и где ломается.
The Agent Architect
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.