DIAL：用蒸馏指令遵循等级实现可控语言模型

DIAL 通过冻结 LLM 的无分类器引导（CFG）生成训练信号，对不同指令遵循等级做在策略蒸馏，并用轻量级引导适配器对隐藏状态分类、按目标等级逐 token 计算闭式引导编辑。该适配器以文本为条件，共享同一适配器即可支持新指令，无需逐指令拟合。团队还发布仅含指令的 SteerIF 数据集，共 98,625 条概念、人格、可验证与描述性指令；多模型族评测中概念得分随遵循等级单调上升。