HuggingFace Daily Papers（社区热门论文）·· 20 天前AI 评分60
PIR 方法通过模型内部状态识别被隐藏的知识，区分不愿答与不会答
A Lie Detector Test for Language Models: Reading Knowledge a Model Won't Reveal
AI 导读
论文提出 Probe of Internal Recognition（PIR），向模型呈现问题及候选答案，从内部状态读取模型识别为正确的选项，无需诚实参考模型或标注真值语料。
整理与数据来源：AIHOT
来源：HuggingFace Daily Papers（社区热门论文） · arxiv.org