跳到正文
原文
arXiv:可解释性· arXiv:2609.01878· Moghis Fereidouni·· 2026-09-02

GAPS:面向条件激活引导的维度级门控

GAPS: Dimension-Level Gates for Conditional Activation Steering

AI 导读

GAPS(Gated Activation steering via Posterior and Separability)通过维度级条件选择决定对哪些神经元施加激活引导,由两个免训练门控组成:静态可分性门控用 AUROC 筛选携带可靠概念信息的神经元,动态后验门控仅当神经元当前激活更符合目标概念时才干预。

阅读原文arxiv.org