标签
本文提出基于属性的激活引导方法，旨在为特定群体定制LLM解释，与提示和最先进基线相比，实现了更好的具体性和事实性。
本文研究了大型语言模型如何根据人口统计线索隐式地个性化输出，定位了一个追踪这些变化的内部激活信号，并表明移除该信号可以抑制这种行为。
本文介绍了一种基于激活工程的错误信息检测框架，将最后一个token的激活投影到LLM残差流中学习到的“虚假方向”上。研究在Gemma、Llama和Qwen模型上进行了事实核查基准评估，表明真实性在潜在空间中是线性可分的。
本文提出通过中间层激活的学习加权和将指令提示压缩为单个激活向量，准确率下降低于2%，并揭示了对LLM激活空间结构的洞察。
UniSteer 提出了一种文本引导的激活流匹配方法，在激活空间中学习通用条件速度场，无需特定任务干预模块即可实现多功能的 LLM 行为控制与分类任务。