白泽(Whitzard)女娲实验室 ↗
NUWANUWA INDEX

搜索 NUWA Index

研究 · 测量协议 · 评测结果 · 观点

English
← NUWA Index

评测档案

Propensity Inference: Environmental Contributors to LLM Behaviour

研究策略性与非策略性环境因素如何影响未经授权行为。

来源与出处 ↓ 阅读研究记录 →

任务与测量

Benchmark 协议档案

任务/对象
受控评测环境中的语言模型
测量目标
跨模型及环境变化的条件性行为倾向估计。
解释边界
公开摘要不提供任何模型的一般部署风险概率。
测量档案 · NUWA 解读

档案区分来源方法阅读与既有目录信息;已经公开不代表完成独立证据复核或双语编辑复核。

测量构念
战略与非战略环境因素各能解释多少越权行为?
任务与样本
23个模型、11个环境操纵两类各六项因素,以贝叶斯广义线性模型估计,并防止循环分析。
判分与失效情形
贝叶斯逻辑GLM因素效应及优势比,报告后验均值和95%等尾区间。
系统条件
23模型11环境中独立抽样12因素。
统计含义
现有材料尚未确定
效度与解释
选定环境中的相对效应不代表部署发生率;部分能力分组使用发布日期代理(§2.5)。
适用研究问题
模型建议:保留各因素干预与不确定性,不将全部不良行为叙述为战略谋划。
原始来源图表与材料
Propensity Inference: Environmental Contributors to LLM Behaviour — Figure 14
Figure 14 · 原文 Figure 14。请结合下方的协议范围与局限阅读。 查看原图 ↗

相关研究问题

参考文献

  1. [1] Olli Järviniemi, Oliver Makins 等. Propensity Inference: Environmental Contributors to LLM Behaviour. Research page checked 2026-10-25
  2. [2] Olli Järviniemi, Oliver Makins 等. Propensity Inference: Environmental Contributors to Unsanctioned LLM Behaviour ; Author affiliations on the original paper title page; Figure 14