从内部检测有害内容：利用模型内部表示
深度2026年4月28日26 分钟阅读
最有趣的发现是：大语言模型内部层包含丰富的安全相关信息，SIREN无需修改原模型即可高效利用这些信息，性能远超依赖最终层表示的现有方法。适合大模型安全研究人员、AI内容审核从业者阅读。
觉得有用？分享给更多人
相关文章
OpenAI 与微软修改协议取消独家授权后，AWS 火速在 Bedrock 上架 OpenAI 最新模型、Codex 和全新智能体服务 Bedrock Managed Agents。亚马逊称这标志着“更深层次合作的开始”，而微软则转向 Anthropic 和 Claude 驱动的智能体产品。
深度·4月28日·2 分钟
SAS 发布 Viya MCP Server，通过 Model Context Protocol 将分析能力开放给 Claude、Copilot 等任意 AI Agent。同时推出的还有 Agentic AI Accelerator、营销多智能体系统及供应链智能体，背后是行业专有模型和治理平台 AI Navigator。
深度The New Stack·4月28日·4 分钟