arXiv · AI· Yucheng Wu, Chengyi Xie, Chenpeng Wang, Liangming Pan·· 24 天前AI 评分33
CANS:大语言模型中保持能力的神经元转向方法
CANS: Capability-Preserving Neuron Steering for Large Language Models
AI 导读
CANS 是一个无需训练、能在大语言模型中控制目标行为并保持通用能力的统一框架。 该方法通过局部近似两个代理指标(目标 token 对数概率、通用输入输出分布 KL 散度)得出闭式解,生成神经元级缩放系数,实现轻量转向。
来源:arXiv · AI · arxiv.org