语言模型对弈实验数据:棋局记录与模型读出
机器学习
0 下载
0 浏览
2026-11-10
数据集简介
数据内容与实验背景
本数据集服务于一项关于语言模型对弈行为可解释性的研究,核心问题是模型能否察觉自身走子被改动,以及它检查对手走子时是否采用同样的方式。数据同时覆盖文本环境与实体棋盘环境:文本侧通过劫持测试观察模型对提示与回复的加工;实体侧则让机械臂在真实棋盘上移动棋子,记录模型在实时对局中的表现。
记录文件结构
data_s1_records 以文本与 JSON 形式保存全部记录,按实验模块分目录组织:
games_text:文本劫持测试的对局记录,含提示、回复、推理文本、token 用量与成本、裁判评估以及改动台账;games_live:六局实体棋盘实时对弈记录,棋子由机械臂移动;phase0与phase1:棋盘读取预实验与模型可用性检查;stimuli:构造刺激材料;analysis:照片、标记体与离体点测试、探针、激活修补、消融、复现、盲评与第二裁判编码等分析输出;local_sessions与mimo_sessions:本地模型会话日志与早期机械臂对局记录;vendor:相机标定文件。
数组与张量文件
data_s1_arrays 存放模型内部表征数据:Qwen3.8-27B 的残差流激活以 npy 数组保存,归因结果与点测试激活以 pt 张量保存,便于复现论文中的探针与激活修补分析。
文件清单与访问方式
数据集附带 manifest,列出全部文件及其 SHA-256 校验值;withheld_images 清单记录被扣留图像的文件名、大小与 SHA-256。记录页面公开可访问,但文件本身受访问限制,需登录确认是否具备访问权限。数据不含图像或视频文件,涉及人物照片的文件已扣留。
许可与引用
数据采用知识共享署名 4.0 国际许可协议(CC BY 4.0)。引用时请标注论文标题与作者 D. R. Nelson、K. Salehi-Ashtiani,并注明数据发布于 2026 年 11 月 10 日。
版本与外部资源
数据集设有版本记录,相关论文与外部资源可在记录页面查阅。关键词涵盖语言模型、对弈、可解释性、激活修补、机械臂实验等主题。
基本信息
记录数量未知
文件大小未知
文件格式text, json, npy, pt
数据来源纽约大学阿布扎比分校
许可协议CC BY 4.0
访问权限公开可访问,文件受限
发布机构纽约大学阿布扎比分校
数据落地页https://zenodo.org/records/23814989
发布日期2026-11-10
语言模型对弈实验可解释性激活修补机械臂文本劫持测试
上架信息
数据集市运营
平台统一选品上架,经质量审核后公开
0 次下载