语言模型的稀疏内部控制

论文提出稀疏内部控制框架与六轴评估协议，探索性实验显示可行。

资讯摘要

论文提出“稀疏内部控制”框架，通过在推理时对少量内部节点施加干预来引导模型的目标行为，并用局部目标可控性刻画候选站点—方向对，约束目标恢复、非目标保持与干预能量。作者给出 Driver-OMP 与 Coverage-Driver 两种选择器，并提出六轴控制评估协议。在间接宾语识别、MMLU 选择题、情感引导与拒答引导上的探索性实验显示该做法可行。

要点速读

1. 论文提出稀疏内部控制框架，对少量内部节点做推理时干预以引导目标行为。
2. 提出 Driver-OMP 与 Coverage-Driver 两种选择器，并给出六轴控制评估协议。
3. 在间接宾语识别、MMLU、情感引导与拒答引导上的探索性实验提供可行性证据。

中文摘要由 AI 根据公开来源生成，可能存在理解偏差；具体能力、数字、开放时间等信息请以原文为准。
采集于 2026/11/5 08:00:38（北京时间）。 arXiv 日期为本次公告时间，论文初次投稿日期请查看原文版本记录。