激活导向在指令微调模型上明显失效且牺牲流畅度
依赖激活导向控制大模型输出的团队需留意：苹果研究称其对指令微调模型效果大减，且常牺牲流畅度。
重要性局部证据E2 未复现写法快讯
激活导向方法在指令微调模型上的效果远不如在基座模型上，且常以生成流畅度大幅下降为代价——这是苹果机器学习研究团队与庞培法布拉大学研究者的发现。
此前依赖激活导向控制大模型输出（如去除毒性概念）的团队，可能高估了这类不改权重、直接干预内部激活的高效方法在指令微调模型上的适用性；而提示词和完整监督微调适合概念注入，但不擅长概念移除。
该结果为作者自测，论文发表于BlackBoxNLP 2026工作坊，arXiv版本于6月10日首次提交，苹果研究页标注2026年9月发布。
边界：摘要未列出具体模型清单与样本规模，外推需谨慎，且暂无第三方复现。