One Probe Won't Catch Them All: Towards Targeted Deception Detection
μμ±μ
- Haebom
μΉ΄ν
κ³ λ¦¬
Empty
μ μ
Vikram Natarajan, Devina Jain, Shivam Arora, Satvik Golechha, Joseph Bloom
π‘ κ°μ
λ³Έ λ
Όλ¬Έμ AI μμ€ν
μ κΈ°λ§μ νλ νμ§μ μ¬μ©λλ μ ν νλ‘λΈ(linear probe)μ νκ³λ₯Ό μ§μ νλ©°, κΈ°λ§ νμ§κ° λ³Έμ§μ μΌλ‘ μ΄μ§μ μμ λ°νλλ€. λ¨μΌ λ²μ© νλ‘λΈλ μ±λ₯ ν₯μμ λ―Έλ―Έν μν₯μ 보μ΄μ§λ§, νΉμ κΈ°λ§ μ νμ λ§μΆ νλ‘λΈλ ν¨μ¬ λμ νμ§ μ±λ₯μ 보μ¬μ€ μ μ¬λ ₯μ΄ μμ΅λλ€. μ°κ΅¬ κ²°κ³Όλ λ²μ© νμ§κΈ°λ³΄λ€λ νΉμ μν λͺ¨λΈμ λ§λ λ§μΆ€ν νλ‘λΈλ₯Ό μ¬μ©νλ κ²μ΄ ν¨κ³Όμ μμ μμ¬ν©λλ€.
π μμ¬μ λ° νκ³
β’
κΈ°λ§ νμ§λ λ¨μΌ λͺ¨λΈλ‘ ν¬κ΄νκΈ° μ΄λ €μ΄, λ€μν μ νμ κΈ°λ§μ μλλ₯Ό ꡬλΆν΄μΌ νλ μ΄μ§μ μΈ λ¬Έμ μ΄λ€.
β’
κΈ°λ§ νμ§μ μ±λ₯μ νλ‘λΈ μ체μ μ±λ₯λΏλ§ μλλΌ, κΈ°λ§ μ νμ λν μ¬μ μ§μ λ° μ΄μ λ§λ νλ‘λΈ μ νμ ν¬κ² μ’μ°λλ€.
β’
νΉμ κΈ°λ§ μ νμ 미리 μκ³ μλ€λ©΄, ν΄λΉ μ νμ νΉνλ νλ‘λΈλ₯Ό μ€κ³νμ¬ λ²μ© νλ‘λΈλ³΄λ€ ν¨μ¬ λμ νμ§ μ±λ₯μ λ¬μ±ν μ μλ€.
β’
λ³Έ μ°κ΅¬λ νΉμ μ νμ κΈ°λ§ νλμ λν΄ ν¨κ³Όμ μΈ νλ‘λΈλ₯Ό μ€κ³νλ λ°©λ²μ μ μνμ§λ§, μ€μ νκ²½μμ λͺ¨λ μ νμ κΈ°λ§ νλμ νμ§νκΈ° μν ν΅ν©μ μΈ ν΄κ²°μ±
μ μ 곡νμ§λ λͺ»νλ€.
