Beyond a Single Direction: Chain-of-Thought Disrupts Simple Steering of Refusal
Este artigo revela que, em Modelos de Raciocínio Avançado, os mecanismos de recusa são codificados conjuntamente tanto nas ativações do fluxo residual quanto nos rastros de Cadeia de Pensamento, tornando o direcionamento simples de ativações menos eficaz a menos que o próprio processo de raciocínio também seja manipulado.