From Representation to Readout: Mechanistic Analysis of Membership Signals in Language Models

Wenxi Dai, Jingyu Hu, Yanting Yang, Mengnan Du

На странице источника доступны аннотация, полный текст или сведения о том, где его прочитать. Препринт может ещё не пройти рецензирование; проверьте, появилась ли журнальная версия.