arXiv · cs.AI· Weitong Li, Donglin Song, Junkai Lin, Xi Xuan·· 5 小时前
GCD梯度约束方向设计减少激活引导中的答题率失真
Beyond Bias Scores: Answerability Confounds in Activation Steering with Gradient-Constrained Direction Design (GCD)
arXiv:2610.17641v1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：Weitong Li, Donglin Song, Junkai Lin, Xi Xuan
研究任务与主要进展
基于论文摘要，研究者提出带有一阶 unknown-logit 约束的 GCD，用于减少激活引导中的答题率失真，并增强偏好变化。在 BBQ 的11个类别、28,824个条目和5个模型上，对比式引导虽在11/11类别降低 signed ambiguous score，却只在8/11类别降低偏好分数；匹配的 Qwen-7B 协议下，GCD 将答题率失真降低14倍、偏好变化扩大4倍。
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