北京
一篇题为《Dynamically Scaled Activation Steering》的论文提出了名为 DSAS 的方法。作者为 Alex Ferrando de las Morenas、Xavier Suau Cuadros、Jordi González Sabaté 和 Pau Rodríguez Lopez，论文于 2026 年 9 月发表。
论文指出，激活引导（activation steering）已成为一种有效方法，可引导生成模型的行为朝向期望结果，例如毒性缓解。但大多数现有方法对所有输入统一施加干预，当引导不必要时会降低模型性能。
DSAS 被定义为一个与具体方法无关的引导框架，将“何时引导”与“如何引导”解耦。DSAS 跨层、跨输入自适应地调节已有引导变换的强度，仅在检测到不期望行为时施加强干预。在生成阶段，DSAS 计算依赖上下文的缩放因子，选择性地调整任意引导方法的强度。论文还展示了 DSAS 可与引导函数一起进行端到端联合优化。
评估结果显示，将 DSAS 与现有引导方法结合使用时，相比单独使用引导，DSAS 能持续改善帕累托前沿，在毒性缓解与效用保留之间取得更好的权衡。论文进一步将 DSAS 应用于文本到图像的扩散模型，表明自适应引导可以调节特定概念，以此展示其通用性。
论文还提到，DSAS 引入的计算开销极小，同时提升了可解释性，能够指出哪些 token 需要引导以及需要引导多少。代码将在 GitHub 上公开。
特别声明：以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布，本平台仅提供信息存储服务。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.
