概述
激活控制通过在运行时直接在其隐藏激活内添加或减去向量来推动模型的行为，无需重新训练。它是一个精确、可解释的旋钮，无需微调即可控制语气、诚实度或安全性。
激活指导和表示工程是一个技术构建块，会大规模影响模型质量、基础设施成本、延迟和可靠性。
深入探讨
大型语言模型将概念表示为其高维激活空间中的方向。表示工程研究这些方向，激活转向将它们用作控制杆。您通常通过对对比提示上的激活之间的差异进行平均（例如诚实与欺骗性答案）来找到概念的“引导向量”，然后在推理过程中将该向量添加到模型的剩余流中，按比例放大或缩小。沿着“拒绝”方向推动，模型下降更多；向相反的方向推，它会更顺从。因为您在推理时进行干预，所以效果是立即的、可逆的，并且可以通过单个系数进行调整。这使其成为安全研究、调试隐藏行为和轻量级控制的强大工具，尽管转向太猛会降低连贯性，并且为一个提示集找到的向量可能无法泛化。
技术洞察
引导向量通常计算为所选层上成对的正例和负例之间的平均激活差（“均值差”方向）。在推理时，您将系数 * 向量添加到该层的残差流中，从而移动每个后续计算。线性表示假设，即许多特征被编码为近似线性方向，是这项工作得以实现的原因；它连接到稀疏自动编码器，将激活分解为可解释的特征，然后可以进行限制。
掌握激活指导和表示工程
激活控制通过在运行时直接在其隐藏激活内添加或减去向量来推动模型的行为，无需重新训练。它是一个精确、可解释的旋钮，无需微调即可控制语气、诚实度或安全性。激活指导和表示工程是一个技术构建块，会大规模影响模型质量、基础设施成本、延迟和可靠性。为了建立深入的理解，请将激活指导和表示工程视为一种操作模型，而不是单个功能：定义所需的结果，澄清假设，并将系统可以可靠地执行的操作与仍需要专家判断的操作分开。
在实践中，使用激活指导和表示工程的强大团队可以根据可靠性和成本来优化架构、数据和基础设施选择。他们记录明确的成功标准，根据实际数据和工作流程进行测试，并根据观察到的失败模式而不是一次性基准测试胜利进行迭代。这就是理论理解转变为跨产品、政策和运营的持久能力的地方。
多年来，架构决策决定着性能和运营成本。与此同时，优化一个基准测试可以隐藏更广泛的系统弱点。最具弹性的方法是将实验速度与治理规则结合起来：运行试点、捕获证据、发布决策日志，并随着模型行为、用户期望和监管要求的发展不断更新保障措施。
战略影响
多年来，架构决策决定着性能和运营成本。
多年来，架构决策决定着性能和运营成本。在高质量部署中，这会转化为可衡量的操作规则、所有权边界和定期审查仪式，以便团队可以增强信心，而不是扩大模糊性。
技术教育帮助团队选择正确的堆栈，而不仅仅是最新的堆栈。
技术教育帮助团队选择正确的堆栈，而不仅仅是最新的堆栈。在高质量部署中，这会转化为可衡量的操作规则、所有权边界和定期审查仪式，以便团队可以增强信心，而不是扩大模糊性。
更好的工程选择可以减少生产中的可靠性事故。
更好的工程选择可以减少生产中的可靠性事故。在高质量部署中，这会转化为可衡量的操作规则、所有权边界和定期审查仪式，以便团队可以增强信心，而不是扩大模糊性。
现实世界的实施
研究人员添加了“诚实”引导向量，以减少模型在事实问题上胡言乱语的倾向。
安全团队加强了推理时的拒绝方向，使模型能够更可靠地拒绝有害请求，而无需重新训练。
通过隔离概念方向并观察放大或抑制它如何改变输出来探索模型的隐藏偏差。
使用单一转向系数即时调整书写语气（正式与休闲），而不是立即进行工程或微调。
实施模式
实践中的激活指导和表示工程
研究人员添加了“诚实”引导向量，以减少模型在事实问题上胡言乱语的倾向。
研究人员添加“诚实”引导向量，以减少模型在事实问题上混淆的倾向。当团队预先定义质量阈值、为边缘情况保留人工升级路径并跟踪一段时间内的生产力增益和错误成本时，通常会得到更好的结果。
实践中的激活指导和表示工程
安全团队加强了推理时的拒绝方向，使模型能够更可靠地拒绝有害请求，而无需重新训练。
安全团队在推理时加强拒绝方向，使模型更可靠地拒绝有害请求，而无需重新训练。当团队预先定义质量阈值、为边缘情况保留人工升级路径并随着时间的推移跟踪生产力增益和错误成本时，通常会获得更好的结果。
实践中的激活指导和表示工程
通过隔离概念方向并观察放大或抑制它如何改变输出来探索模型的隐藏偏差。
通过隔离概念方向并观察放大或抑制它如何改变输出来探索模型中隐藏的偏差当团队预先定义质量阈值、为边缘情况保留人工升级路径并跟踪随着时间的推移提高生产力和错误成本时，通常会得到更好的结果。
实践中的激活指导和表示工程
使用单一转向系数即时调整书写语气（正式与休闲），而不是立即进行工程或微调。
使用单一转向系数即时调整书写语气（正式与休闲），而不是立即进行工程或微调。当团队预先定义质量阈值、为边缘情况保留人工升级路径并随着时间的推移跟踪生产力增益和错误成本时，通常会获得更好的结果。
风险与防护栏
优化一项基准测试可以隐藏更广泛的系统弱点。
基础设施和维护成本常常被低估。
随着系统变得更加复杂，安全性和可观察性差距可能会扩大。
实施路线图
在实施之前定义延迟、质量和成本目标。
在实施之前定义延迟、质量和成本目标。将每个步骤视为证据门：如果不满足标准，则暂停推出，缩小差距，然后再扩大使用。
在实际负载和数据条件下进行基准测试。
在实际负载和数据条件下进行基准测试。将每个步骤视为证据门：如果不满足标准，则暂停推出，缩小差距，然后再扩大使用。
仪器监控错误、漂移和用户影响。
仪器监控错误、漂移和用户影响。将每个步骤视为证据门：如果不满足标准，则暂停推出，缩小差距，然后再扩大使用。
在扩展之前准备回滚和事件响应路径。
在扩展之前准备回滚和事件响应路径。将每个步骤视为证据门：如果不满足标准，则暂停推出，缩小差距，然后再扩大使用。