激活转向转移到药剂:一个增益比并不能确定效力和功效
Activation Steering Transfer to Agents: One Gain Ratio Does Not Identify Potency and Efficacy
摘要
附加激活转向在单轮聊天中进行校准,然后部署在代理支架内。通常报告的该移动的数量是增益:引导效果的比率,T = Delta_agent / Delta_chat。我们在两种部署环境中扫描了六个模型中的八个家庭 x 臂剂量反应细胞,并表明该比率不能确定效力和功效。在我们自己的网格上以两种形式重建已发布的估计器,其实现的范围包含五个可评分单元中的五分之一,它随着五个中的四个的剂量而移动,以及两个具有相反效力变化的单元,两个单元都在主网格上是 CI 干净的,返回增益间隔以低于 0.08 的宽度重叠。每个可评分细胞在一个剂量下是放大器,在另一个剂量下是衰减器,因此放大/衰减分类法报告其读取的剂量。我们将增益替换为位置:dEC50 = EC50_agent - EC50_chat,即曲线位置的跨上下文差异。它在此名册的主要网格上跨四个模型系列(+1.013 [+0.777, +1.273] 相对于其他地方的 -12.368、-10.855、-5.497 和 -886.066)进行双向签名,并在冻结审核的所有五个单元中(四个在注册修剪下)以相同复杂度击败垂直重新缩放。三个通货紧缩账户根据符号模式和幅度进行测量和拒绝。我们以与结果相同的数量报告纪律:一个单元被大声隔离,我们预先注册的预测器被排除在样本之外并被发布为被驳斥,注册的救助索赔没有产生合格的单元并且被报告为未得到答复,而我们自己的登记册的普查则报告了注册分支,这里没有代码可以发出。结果是测量指令而不是定理:以一种强度读取的传递结论并不能识别发生了什么变化,因为位移和增益无法与单个工作点区分开来。