arXiv · cs.AI· Seyedarmin Azizi, Arya Fayyazi, Parsa Razmara, Erfan Baghaei Potraghloo, Souvik Kundu, Massoud Pedram·· 1 天前
激活引导的曲率分析：识别并移除导致行为失控的尖锐方向
The Sharp Directions Are Against You: Curvature Analysis of Activation Steering
arXiv:2610.16084v1阅读论文 PDF ↗
仅依据论文摘要整理；未读取全文，实验条件、证明与基准细节请核对原文。
作者：Seyedarmin Azizi, Arya Fayyazi, Parsa Razmara, Erfan Baghaei Potraghloo, Souvik Kundu, Massoud Pedram
研究任务与主要进展
作者提出 steering Hessian，用行为损失对引导向量的二阶导数刻画各方向上的响应敏感性，并发现尖锐方向虽占 CAA 向量平方范数的 1%–5%，却可能显著改变自回归生成行为。
阶段、条件与复现 · 深读核对
- 新能力对应什么具体任务与最小输入输出？
- 代码、模型、数据、许可与可用入口是否明确？
- 效果、总成本、失效条件与实际工作流如何验证？
这些是阅读核对问题；材料未说明的条件保留未知。请结合上方论文版本、资料范围与原文核验。
来源：arXiv · cs.AI · arxiv.org