arXiv · ML· Batuhan Akar·2026-11-16 13:00· 4 天前AI 评分21ActGCG 通过输入优化创建导向向量Creating Steering Vectors via Input OptimisationAI 导读ActGCG 修改贪心坐标梯度优化后缀以匹配目标激活,无需白盒访问即可影响模型行为。 该方法引入通用后缀及模型翻译步骤,在德语生成任务中离散后缀几乎完美复现导向向量效果。来源:arXiv · ML · arxiv.org安全对齐论文研究#论文/研究#安全/对齐查看事件全部后续