arXiv cs.CL· Weilun Xu (EPFL), Zipeng Sun (McGill University,Mila)·· 5 小时前AI 评分29
竞争性伦理框架的引导向量可互换：激活引导的竞争目标测试
Steering Vectors for Competing Ethical Frameworks Are Interchangeable: A Competing-Target Test for Activation Steering
AI 导读
研究提出"竞争目标测试"，用于检验激活引导向量是否真正控制目标行为。在开放权重模型上，康德义务论与行为功利主义的引导向量在留出情境中使两个评分同向变化，且差异未达有效边界，说明二者共享大部分方向——即"应用某种框架"的请求。相比之下，乐观与悲观语气的向量共享方向少得多。
来源：arXiv cs.CL · arxiv.org