研究者提出正交参数化多属性激活引导方法

2026年10月28日，arXiv Artificial Intelligence 刊出 Remy Ogasawara 等作者的报道，针对激活引导中信号强度不稳定、引导强度含义不统一的问题，研究者为每个引导向量识别最可引导区间并据此重新缩放引导范围，提出参数化引导方法，直接将激活设定在目标属性强度，而非沿方向推动。多属性场景下，简单叠加向量会导致属性相互干扰，为此研究者提出向量正交化方法解耦各属性，使模型可同时引导多个行为而不互相诱发。目前进展停留在方法提出层面，报道未提及实验规模、对比基线或开源情况。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。