资讯1 分钟阅读·
DSAS按输入动态调节激活引导强度
苹果机器学习研究团队的DSAS按输入和层动态计算缩放因子，仅在检测到不良行为时加强干预，改善毒性缓解与效用保持的Pareto前沿。
重要性局部证据E2 未复现
读者现在可以了解：苹果机器学习研究团队的Dynamically Scaled Activation Steering（DSAS）能按输入和层动态计算缩放因子，仅在检测到不良行为时加强干预，从而在毒性缓解与效用保持之间改善Pareto前沿。
此前激活引导通常以固定强度施加，难以兼顾干预效果与模型效用。DSAS把“何时引导”与“如何引导”解耦，作者称该方法与具体引导方法无关，可与现有方法叠加，并已应用于文生图扩散模型，计算开销极小。
这是第一方自报结果，尚无独立验证，代码称将在GitHub提供。论文9月发表于TMLR，arXiv编号2512.03661。