[논문리뷰] HALO: Human-Grounded Granular Evaluation of Proactive Agents본 논문은 Proactive Agent의 평가가 자동화된 점수나 이진 결과(Binary verdict)에 의존하여, 실제 인간 관점에서의 타당성과 구체적인 실패 원인 진단이 부족하다는 문제점을 해결하고자 한다.#Review#Proactive Agents#Human-Grounded Evaluation#HALO-Arena#HALO-8K#Intervention#Restraint#Evidence Acquisition#Granularity2026년 11월 1일댓글 수 로딩 중
[논문리뷰] SAE Interventions are Unreliable: Post-Intervention Recovery of Suppressed Behavior본 논문은 SAE를 이용한 잠재 공간(latent-space) 방어 기법들이 행동을 완전히 통제하지 못할 수 있다는 한계점을 지적합니다.#Review#Sparse Autoencoders#Intervention#Post-Intervention Recovery#Constrained Optimization#Interpretability#Safety#Residual Stream2026년 6월 17일댓글 수 로딩 중