arXiv · AI· Hanwen Zhang, Enyi Jiang, Ruike Zhu, Qinan Yu, Sanmi Koyejo·· 4 小时前AI 评分20
REACT 实现链式思维早期分析与控制
REACT: Representational Early Analysis and Control of Chain-of-Thought Trajectories
AI 导读
REACT 通过条件激活干预控制 CoT 轨迹，在 DeepSeek-R1-Distill-Llama-8B 上将 StrongREJECT-273 全安全输出率从 29.06% 提升至 82.05%。 该方法学习安全方向并仅编辑早期 CoT 隐藏状态，前 2-3 个 token 窗口效果最强，权重冻结且后续生成无编辑。
来源：arXiv · AI · arxiv.org