★ 3
arXiv 审计 Qwen3.5-27B 工具调用激活干预
研究在 Qwen3.5-27B 的工具调用任务上考察激活干预能否让模型在其他计算中复用目标条件。残差写入变体可将目标选择正确率从 35/128 提升至 119/128，但一旦重组熟悉事实与标识符，增益即消失，且对候选资格判断几乎无改善。结果区分了目标选择控制、条件敏感判断与完整动作正确性三个层面。
arXiv NLP7 天前
#激活干预
共 3 篇相关资讯，按重要度与时间排序，每 3 小时更新。
★ 3
REACT：在思维链早期激活层干预，安全输出率升至 82%
论文提出 REACT，从安全与不安全轨迹对中学习安全方向，仅在思维链早期隐藏状态施加一次干预，模型权重保持冻结。在 DeepSeek-R1-Distill-Llama-8B 上，完全安全输出率从 29.06% 提升至 82.05%，且良性拒答与有用性基本不变。
arXiv cs.LG7 天前
★ 3
PRISM：工具调用模型激活干预的迁移研究
研究提出 PRISM 框架，评估激活干预在精度、语言与规模上的迁移能力。利用 NF4 量化标签与跨语言迁移可稳定估计干预方向，五语言监督方向成功迁移至阿拉伯语，使 Llama-3.1-8B 的不安全违规降低 21.95 个百分点。该方法还可迁移至 70B 参数级模型。
arXiv NLP17 天前