Duale-Perspektiven-Evaluierung von Speichelleckerei: Die Struktur der Zustimmung und die Grenzen der Intervention

arXiv:2606.11205v1 Ankündigungstyp: neu Abstract: Activation Steering kann LLM-Verhalten verschieben, aber standardisierte Evaluierungen testen typischerweise nicht, ob eine Richtung zur Reduktion von Speichelleckerei auch die Zustimmung zu faktisch korrekten Aussagen unterdrückt. Wir führen Duale-Perspektiven-Evaluierung ein, die beide testen