arXiv · cs.AI· Weilun Xu (EPFL), Zipeng Sun (McGill University, Mila)·· 6 小时前
竞争伦理框架的激活引导向量可互换：激活引导的竞争目标检验
Steering Vectors for Competing Ethical Frameworks Are Interchangeable: A Competing-Target Test for Activation Steering
arXiv:2610.19359v1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：Weilun Xu (EPFL), Zipeng Sun (McGill University, Mila)
研究任务与主要进展
作者提出“竞争目标检验”，通过比较同一方法构建的竞争伦理框架引导向量及其差异，判断向量是否直接控制目标行为。在开放权重模型和留出情境中，康德义务论与行为功利主义的向量使两项评分呈相似变化，且均未达到预设有用差异阈值；两者共享一个请求应用某种框架的主要方向，区别于乐观与悲观语气向量共享程度较低的情况。
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