arXiv · AI· Avni Mittal, Avinash Anand, Dikshant Kukreja, Erik Cambria, Rajiv Ratn Shah, Sandipan Dandapat·· 8 小时前AI 评分33
VIAS：面向多值对齐与组织合规的激活导向方法
VIAS: Value-Isolating Activation Steering for Multi-Value Alignment and Compliance for Organisations
AI 导读
提出激活导向方法 VIAS，通过对比保留合规响应且目标值未违规的向量对，实现多值对齐下的独立控制。 该方法在 Qwen2.5-7B 上将组织价值观合规率提升至 69.6%，Mistral-7B 达 75.2%，Phi-3.5-mini 达 72.6%。 显著提升模型在多价值观场景下的合规表现。
来源：arXiv · AI · arxiv.org