arXiv · cs.AI· Rhitabrat Pokharel, Ameeta Agrawal, Tanay Nagar·· 2 天前
跨语言激活引导提升多语言语言模型性能
Cross-Lingual Activation Steering for Multilingual Language Models
arXiv:2601.16390v2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：Rhitabrat Pokharel, Ameeta Agrawal, Tanay Nagar
研究任务与主要进展
Rhitabrat Pokharel、Ameeta Agrawal 和 Tanay Nagar 提出无需训练的 Cross-Lingual Activation Steering（CLAS），通过选择性调节神经元激活来缩小主导语言与非主导语言之间的性能差距。
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