激活引导会意外改变文本话语风格，可用第二向量部分纠正。
资讯摘要
论文研究激活引导（activation steering）对LLM生成文本话语层面的非预期影响。作者指出，此前仅用困惑度等粗粒度指标衡量这类变化，而他们发现引导会系统性改变文本的正式程度、证据使用和模糊性等话语维度。论文提出叠加第二个互补向量来针对受影响的话语维度进行干预，作者报告该干预恢复了约78%的非预期话语变化，同时在约93%的生成中保留了预期的引导行为。
要点速读
- 论文指出激活引导会系统性改变生成文本的话语维度，如正式程度、证据使用和模糊性。
- 此前工作仅用困惑度等粗粒度信号衡量这类非预期变化。
- 作者提出叠加第二个互补向量进行干预，报告恢复约78%的非预期变化并保留约93%的预期引导行为。
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 2026/11/3 08:00:27（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。