#毒性缓解

新方法 DSAS：动态缩放激活引导控制生成模型

激活引导已成为引导生成模型行为（如减轻毒性）的强大方法，但现有方法对所有输入统一施加干预，在不需要引导时会降低模型性能。论文提出动态缩放激活引导（DSAS），一种与方法无关的引导框架，将何时引导与如何引导解耦，自适应调节现有引导变换在各层和输入上的强度，仅在检测到不良行为时强力干预。