#activation steering のAIニュース

LLM スティールリング空間における人間価値幾何学の検証手法を提案

大規模言語モデルの行動制御に用いる活性化スティーリングが、単なる振る舞い特化のショートカットではなく、一貫した意味構造を符号化しているかを検証する研究を発表。