Playing Devil's Advocate: Off-the-Shelf Persona Vectors Rival Targeted Steering for Sycophancy

En 3 lignesÉtude sur la réduction de la sycophantie (accord du modèle même quand l'utilisateur se trompe) via des vecteurs de persona off-the-shelf. Les vecteurs orientés vers le doute/scrutin réduisent la sycophantie à 68-98% de l'effet de CAA (Contrastive Activation Addition), tout en maintenant la précision. La sycophantie est une propriété au niveau persona, non une direction unique.

Résumé généré par Claude — vérifié par l'humain