steering

提出CTRL-STEER，一种闭环框架，通过时变控制信号对视觉-语言-动作模型进行自适应引导，在无需重新训练的情况下，实现了概念调节与任务成功率之间的更好权衡。

SteER 是一个用于可引导深度研究的框架，通过自适应暂停决策和实时用户画像建模，在过程中引入可解释的控制，在对齐方面比基线高出 22.80%，并在超过 85% 的成对对齐判断中受到人类读者的青睐。

本文介绍了一种基于原则的多语言语言调控方法，该方法使用在多语言数据上训练的稀疏自编码器（SAEs）以及一种基于多语言对齐与语言可分性交集的新型层选择规则，并在LLaMA-3.1-8B和Gemma-2-9B上针对机器翻译和跨语言摘要进行了评估。

这个推文串讨论了使用Codex编码代理的最佳实践，重点包括持久线程、语音输入、引导、队列，以及其从代码生成扩展到完整计算机工作流程自动化的能力。

Nous Research 发布了对比神经元归因（CNA），这是一种通过识别和消融MLP神经元中稀疏电路来引导LLM行为的方法，无需训练稀疏自编码器或降低通用基准性能，已在多个大型语言模型上得到验证。

Jason Liu 分享了他如何使用 OpenAI 的 Codex 进行编码之外的知识工作，利用持久化线程、语音输入和引导将编码代理整合到他更广泛的工作流程中。

Jason Liu 分享了高效使用 Codex 的工作流基本组件，包括持久线程、语音输入和引导，将 AI 智能体从编码扩展到知识工作。

文章探讨了 DeepSeek-V4-Flash 这一强大的本地模型如何使 LLM 引导再次变得实用，并讨论了 antirez 在 DwarfStar 4 项目中的概念及其实现。

本文提出了一种大型语言模型非线性干预的通用公式，超越了线性表示假说，能够操控沿非线性流形编码的特征，并通过拒绝规避引导验证了该方法。

本文通过机理可解释性研究大型语言模型如何处理情感效价。通过在三个开源LLMs上使用激活修补和引导，作者发现负面效价定位于早期层，而正面效价在中后期层达到峰值，并通过主题控制翻转测试验证了这一点。