Noticias sobre Llama-3-8B

El artículo propone por primera vez un modelo causal de comportamiento de sacos de arena: las primeras capas escriben intenciones en un único eje de flujo residual, y las capas posteriores leen ese eje y envían respuestas. En comparación con la visión anterior de los sacos de arena sólo como un problema de distorsión de la evaluación, este estudio los posiciona como un mecanismo localizable e intervenible, proporcionando un camino para el desbloqueo inverso.