From Repetition to Recognition: Inductive Discovery of Disinformation Narratives
研究解决了虚假信息叙事标签自动生成的问题，通过无监督方法如聚类和图社区检测，并提出三层评估框架以优化生成效果。
0 citationsRead paper
Selected work
Representative Papers
Compositional Multilingual and Behavioral Attribute Steering
研究探讨了在大型语言模型中，通过无训练的属性向量加性组合方法，对语言、越狱和简洁性进行控制的有效性，并分析了其几何特性。
0 citationsRead paper
Limitations of Automated Simulatability: LLM Simulators Can Bypass Explanations
研究解决了自动模拟性评估中LLM模拟器可能绕过解释的问题，通过定性复制和扩展ConSim的实验，揭示了两个主要限制，并提出改进评估方法的建议。
0 citationsRead paper
Separating Syntax from Language: A Mechanistic Account of Translation in Multilingual LLMs
研究通过构建多语言数据集和因果干预方法，揭示了多语言大模型在翻译过程中先构建目标语言的语序，再生成表面形式，分离出语法处理过程。
0 citationsRead paper
When Tokenization is Secretly Output Supervision
本文探讨了语言模型中分词策略对模型训练的影响，通过实验表明输出分词决定了模型的学习难度与内部表示，并指出当前研究对此重视不足。
0 citationsRead paper
Recent publications
Latest Papers
From Repetition to Recognition: Inductive Discovery of Disinformation Narratives
研究解决了虚假信息叙事标签自动生成的问题，通过无监督方法如聚类和图社区检测，并提出三层评估框架以优化生成效果。
0 citationsRead paper
Compositional Multilingual and Behavioral Attribute Steering
研究探讨了在大型语言模型中，通过无训练的属性向量加性组合方法，对语言、越狱和简洁性进行控制的有效性，并分析了其几何特性。
0 citationsRead paper
Limitations of Automated Simulatability: LLM Simulators Can Bypass Explanations
研究解决了自动模拟性评估中LLM模拟器可能绕过解释的问题，通过定性复制和扩展ConSim的实验，揭示了两个主要限制，并提出改进评估方法的建议。
0 citationsRead paper
Separating Syntax from Language: A Mechanistic Account of Translation in Multilingual LLMs
研究通过构建多语言数据集和因果干预方法，揭示了多语言大模型在翻译过程中先构建目标语言的语序，再生成表面形式，分离出语法处理过程。
0 citationsRead paper
When Tokenization is Secretly Output Supervision
本文探讨了语言模型中分词策略对模型训练的影响，通过实验表明输出分词决定了模型的学习难度与内部表示，并指出当前研究对此重视不足。
0 citationsRead paper