Probe Steering（探针引导）

Probe Steering结合了线性探测和激活引导。首先训练一个线性分类器（probe）来识别模型激活中与特定属性（如情感、主题）相关的方向，然后通过在推理时向激活添加该方向的向量（steering）来引导模型输出。这种方法无需微调即可实现属性控制，广泛应用于语言模型的可控生成、去偏和安全性增强。其优势在于轻量、可解释且易于组合多个控制方向。