#模型控制

研究揭示激活引导改变 LLM 话语层面并给出干预方法

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。