language-steering

本文研究LLM中的语言身份是否可以通过紧凑的激活方向进行线性解码和因果控制。通过在多个模型家族上进行引导（steering）和消融（ablation）实验，作者表明语言选择具有方向依赖性、层特异性，并且在语言信号被消融时会恢复为英语。