多值对齐机制可解释性论文

2026年11月3日，Xueqi Ma等研究人员在arXiv发布cs.AI领域论文，提出基于LLM价值定位的多值对齐方法。该研究通过定位LLM中的价值敏感注意力头，提出推理时激活引导策略，无需更新参数即可实现对多个价值观或风格偏好的可控对齐。该框架揭示了不同价值维度间的功能特化及冲突，并通过目标头消融实验验证了其因果重要性。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。