提出Genesis Steering：从模型自身微调数据生成激活导向向量

Tora Bodin 等在 arXiv 发布论文，提出 Genesis Steering 激活导向方法：从模型自身微调数据中的对比样本生成引导向量；当微调数据不可用时，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。 评测在 Tulu-3-8B（其微调数据公开）上进行，并以 Llama-3.1-8B-Instruct 作为对照。结果显示，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达到与同等规模随机子集竞争的效果。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。