标签
MANCE 提出了一种流形感知方法，用于从模型激活中消除性别或安全性等概念，同时最小化对其他概念的附带损害，在119个设置中达到了最先进水平。
本文研究了LLM推理链中真理的几何结构，并提出DynaSteer，一种动态表示编辑框架，通过模式聚类和Fisher-LDA引导轨迹趋向真理同时避免噪声。实验表明在MATH基准测试上有效，并能泛化到编码任务。