研究揭示激活引导改变 LLM 话语层面并给出干预方法
原文标题：When Steering Shifts Discourse: Identifying and Intervening on Discourse-Level Changes due to Activation Steering in LLMs
重要度 3/5 · AI 综合评估报道影响力与新鲜度，4–5 分为高价值资讯。
论文指出激活引导（activation steering）除预期行为外，还会系统性改变生成文本的正式度、证据使用与模糊性等话语维度，此前仅用困惑度等粗粒度指标衡量。作者提出叠加第二个针对受影响话语维度的向量进行干预，可恢复约 78% 的非预期变化，同时保留约 93% 的预期引导效果。
- 问题
- 激活引导会带来正式度、证据使用等非预期话语层面变化，此前只用困惑度粗略衡量。
- 方法
- 叠加第二个针对受影响话语维度的引导向量进行补偿干预。
- 结果
- 恢复约 78% 的非预期话语变化，同时在约 93% 的生成中保留预期引导效果。
- 影响
- 上线激活引导控制语气或安全性时，需同时监控话语维度漂移并做补偿，避免输出风格失控。
深读 · 结论先行AI 生成展开看要点与影响 ↓
激活引导会系统性改变文本正式度等话语维度，加第二向量可恢复约78%非预期变化
- •激活引导是推理时向残差流加向量的免重训控制手段，此前只用困惑度等粗粒度指标衡量副作用
- •研究发现引导会系统性改变生成文本的正式度、证据使用与模糊性等话语维度
- •叠加针对受影响话语维度的第二个互补向量，可恢复约78%的非预期话语变化
- •同时约93%的生成仍保留原本预期的引导效果
为什么重要：对用激活引导做安全与风格控制的团队，这意味着单向量干预会带来未被察觉的话语偏移，需要成对设计干预向量。
以上深读由 AI 依据标题/摘要/正文节选生成，仅供参考；事实以原文为准。
AI 处理过程展开/收起
相关推荐
谷歌 DeepMind 发布 AlphaGenome 2，精细预测突变细胞效应
AI 摘要谷歌 DeepMind 推出 AlphaGenome 2，基于 68 种组织、超 1 亿个细胞图谱训练，可预测遗传变异对特定细胞类型与状态的影响。该模型识别出的影响基因表达的变异数量约为上一代的两倍，并能在未重新训练的情况下预测新细胞类型，有望助力疾病机理研究与药物靶点发现。
OpenAI 宣布数学、计算机科学、物理学三项新发现
AI 摘要OpenAI 宣布在调和分析、复杂性理论和量子场论三个方向取得新发现，并采用与学术界合作的新方法。公司邀请外部专家组织团队理解研究结果，参与者无需签署保密协议、可自由讨论并发表结论，且为自愿无报酬。OpenAI 表示不会为内部模型产生的发现寻求学术署名。
数学家称需数年消化 OpenAI 最新数学成果
AI 摘要OpenAI 本周突然发布近 400 项 AI 生成的数学成果，分布在 700 多份手稿中，覆盖组合数学、几何、数论等多个领域。多位数学家表示「震惊」「难以置信」，认为仅理解这些成果就需数年，且验证程度参差不齐。
OpenAI 公布数学难题突破成果
AI 摘要OpenAI 发布由未公开前沿模型生成的 722 篇数学手稿，覆盖 372 个成果族，声称解决了数百个长期未解问题，并公开 Lean 形式化证明与算力估算。此举延续了 AI 冲击数学界的势头，也引发研究伦理与学术规范的争议。独立顾问组织 AGMAI 呼吁实验室通过正规学术渠道发布成果，而非将其当作营销工具。