跳到正文
arXiv · NLP· Haotian Yang, Huikang Jiang, Yucheng Wu, Wen-Jie Jiang, Chenpeng Wang, Yibin Lou, Liangming Pan·· 2026-10-07AI 评分31

SteerScope:LLM 激活引导方法的多维评估套件

Does Steering Break Your Model? A Multi-Dimensional Evaluation Suite for LLM Steering Methods

AI 导读

研究人员推出 SteerScope,一个通过 15 项指标联合评估 LLM 激活引导效果与副作用的多维套件。 该套件在统一协议下基准测试了包括 Prompting、LoRA 和 SFT 在内的 23 种方法。 研究发现当前激活引导方法尚未在整体平衡上超越 Prompt Steering 基线,且效果与副作用存在耦合。

来源:arXiv · NLP · arxiv.org