Para peneliti telah mengadaptasi algoritma Recursive Feature Machine (RFM) dengan inisialisasi yang diinformasikan oleh probe untuk secara efisien mengidentifikasi subruas penolakan multi-dimensi dalam Model Bahasa Besar. Pendekatan ini memungkinkan ekstraksi subruas dalam hitungan detik pada model penalaran seperti Qwen 3 dan model non-penalaran seperti Qwen 2.5, mengatasi larangan komputasi dari metode yang ada.
- Metode ini memanfaatkan RFM untuk menghitung subruas multi-dimensi secara signifikan lebih cepat daripada teknik sebelumnya.
- Metode ini mencapai kinerja yang lebih baik pada tugas ablasi dibandingkan dengan metode ekstraksi subruas alternatif.
- Teknik ini dapat diterapkan pada arsitektur model penalaran dan non-penalaran.
RFM menawarkan pelengkap yang murah dan skalabel terhadap metode ekstraksi subruas yang ada, memfasilitasi pemantauan perilaku keamanan model yang lebih mudah diakses.