中间层

LEC: 基于Transformer中间层隐藏状态的特征提取与内容安全分类

随着语言模型（LMs）应用范围的扩大，对用户输入和模型输出中不当内容的检测变得日益重要。每当主要模型供应商发布新模型时，研究人员首先会尝试寻找绕过模型安全限制的方法，使其产生不符合预期的响应。通过Google的搜索可以发现，已有多种方法可以绕过模型的对齐调整，

上个月妹妹从学校回来，就又是发烧又是鼻塞，整个人完全没了精气神儿。这当了爸妈以后，真的是看不了一点，太心疼了。