Los investigadores han adaptado el algoritmo Recursive Feature Machine (RFM) con una inicialización informada por sondas para identificar eficientemente subespacios de rechazo multidimensionales en Modelos de Lenguaje Grande. Este enfoque permite la extracción de subespacios en segundos tanto en modelos de razonamiento como Qwen 3 como en modelos no razonantes como Qwen 2.5, abordando las prohibiciones computacionales de los métodos existentes.

  • El método aprovecha RFM para calcular subespacios multidimensionales significativamente más rápido que técnicas anteriores.
  • Logra un mejor rendimiento en tareas de ablación en comparación con métodos alternativos de extracción de subespacios.
  • La técnica es aplicable a arquitecturas de modelos tanto razonantes como no razonantes.

RFM ofrece un complemento económico y escalable a los métodos existentes de extracción de subespacios, facilitando un monitoreo más accesible de los comportamientos de seguridad del modelo.