#溢出效应

研究提出溢出感知多值引导的多元 LLM 对齐

该研究针对激活引导中多价值同时引导产生的溢出效应，提出零成本修正方法。通过分析引导方向的几何纠缠，利用Gram矩阵解耦各方向贡献。在气候话语任务上，修正将净引导效果从+5.9%提升至+14.0%，验证了方法的有效性。该流程无需微调、奖励模型或手动提示工程。