Painless Activation Steering: An Automated, Lightweight Approach for Post-Training Large Language Models
Este artículo presenta la Dirección de Activación sin Esfuerzo (PAS), un método completamente automatizado y ligero que construye vectores de activación a partir de conjuntos de datos etiquetados sin intervención humana para dirigir eficazmente los modelos de lenguaje grandes hacia comportamientos deseados, superando a las técnicas existentes en controlabilidad y eficiencia al tiempo que demuestra una eficacia específica para tareas orientadas al comportamiento.