arXiv:可解释性· arXiv:2609.01878· Moghis Fereidouni·2026-09-02 05:21· 2026-09-02GAPS:面向条件激活引导的维度级门控GAPS: Dimension-Level Gates for Conditional Activation SteeringAI 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#防御/护栏#可解释性#开源模型#Google DeepMind