arXiv · cs.AI· Tora Bodin, Eric Aubinais, Ilaria Torre, Chih-Hong Cheng·· 4 小时前
Genesis Steering：通过训练数据改进大语言模型激活引导
Genesis Steering: Better Activation Steering Through Training Data
arXiv:2610.19114v1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：Tora Bodin, Eric Aubinais, Ilaria Torre, Chih-Hong Cheng
研究任务与主要进展
作者提出 Genesis Steering，从模型自身微调数据中的对比样本生成引导向量，并在数据不可用时用成员推断构造代理数据集。论文给出最优位移和代理估计偏差降低的理论结果；在 Tulu-3-8B 上，训练混合数据中的安全数据比外部数据集产生更强引导，成员分数排名靠前的样本也达到与同等规模随机子集竞争的效果。
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