概述
激活控制透過在運行時直接在其隱藏激活內添加或減去向量來推動模型的行為，無需重新訓練。它是一個精確、可解釋的旋鈕，無需微調即可控制語氣、誠實度或安全性。
啟動指導和表示工程是一個技術構建塊，會大規模影響模型品質、基礎設施成本、延遲和可靠性。
深入探討
大型語言模型將概念表示為其高維激活空間中的方向。表示工程研究這些方向，啟動轉向將它們用作控制桿。您通常會透過對比提示上的活化之間的差異進行平均（例如誠實與欺騙性答案）來找到概念的“引導向量”，然後在推理過程中將該向量添加到模型的剩餘流中，按比例放大或縮小。沿著「拒絕」方向推動，模型下降更多；向相反的方向推，它會更順從。因為您在推理時進行幹預，所以效果是立即的、可逆的，並且可以透過單一係數進行調整。這使其成為安全研究、調試隱藏行為和輕量級控制的強大工具，儘管轉向太猛會降低連貫性，並且為一個提示集找到的向量可能無法泛化。
技術洞察
引導向量通常計算為所選層上成對的正例和負例之間的平均激活差（“均值差”方向）。在推理時，您將係數 * 向量添加到該層的殘差流中，從而移動每個後續計算。線性表示假設，即許多特徵被編碼為近似線性方向，是這項工作得以實現的原因；它連接到稀疏自動編碼器，將激活分解為可解釋的特徵，然後可以進行限制。
掌握激活指导和表示工程
激活控制透過在運行時直接在其隱藏激活內添加或減去向量來推動模型的行為，無需重新訓練。它是一個精確、可解釋的旋鈕，無需微調即可控制語氣、誠實度或安全性。啟動指導和表示工程是一個技術構建塊，會大規模影響模型品質、基礎設施成本、延遲和可靠性。為了建立深入的理解，請將激活指導和表示工程視為一種操作模型，而不是單一功能：定義所需的結果，澄清假設，並將系統可以可靠地執行的操作與仍需要專家判斷的操作分開。
在實踐中，使用激活指導和表示工程的強大團隊可以根據可靠性和成本來優化架構、資料和基礎設施選擇。他們記錄明確的成功標準，根據實際數據和工作流程進行測試，並根據觀察到的失敗模式而不是一次性基準測試勝利進行迭代。這就是理論理解轉變為跨產品、政策和營運的持久能力的地方。
多年來，架構決策決定著效能和營運成本。同時，優化一個基準測試可以隱藏更廣泛的系統弱點。最具彈性的方法是將實驗速度與治理規則結合：運行試點、捕獲證據、發布決策日誌，並隨著模型行為、使用者期望和監管要求的發展不斷更新保障措施。
戰略影響
多年來，架構決策決定著效能和營運成本。
多年來，架構決策決定著效能和營運成本。在高品質部署中，這會轉化為可衡量的操作規則、所有權邊界和定期審查儀式，以便團隊可以增強信心，而不是擴大模糊性。
技術教育幫助團隊選擇正確的堆疊，而不僅僅是最新的堆疊。
技術教育幫助團隊選擇正確的堆疊，而不僅僅是最新的堆疊。在高品質部署中，這會轉化為可衡量的操作規則、所有權邊界和定期審查儀式，以便團隊可以增強信心，而不是擴大模糊性。
更好的工程選擇可以減少生產中的可靠性事故。
更好的工程選擇可以減少生產中的可靠性事故。在高品質部署中，這會轉化為可衡量的操作規則、所有權邊界和定期審查儀式，以便團隊可以增強信心，而不是擴大模糊性。
現實世界的實施
研究人員添加了「誠實」引導向量，以減少模型在事實問題上胡言亂語的傾向。
安全團隊加強了推理時的拒絕方向，使模型更可靠地拒絕有害請求，而無需重新訓練。
透過隔離概念方向並觀察放大或抑制它如何改變輸出來探索模型的隱藏偏差。
使用單一轉向係數即時調整書寫語氣（正式與休閒），而不是立即進行工程或微調。
實施模式
实践中的激活指导和表示工程
研究人員添加了「誠實」引導向量，以減少模型在事實問題上胡言亂語的傾向。
研究人員加入「誠實」引導向量，以減少模型在事實問題上混淆的傾向。當團隊預先定義品質閾值、為邊緣情況保留人工升級路徑並追蹤一段時間內的生產力增益和錯誤成本時，通常會得到更好的結果。
实践中的激活指导和表示工程
安全團隊加強了推理時的拒絕方向，使模型更可靠地拒絕有害請求，而無需重新訓練。
安全團隊在推理時加強拒絕方向，使模型更可靠地拒絕有害請求，而無需重新訓練。當團隊預先定義品質閾值、為邊緣情況保留人工升級路徑並隨著時間的推移追蹤生產力增益和錯誤成本時，通常會獲得更好的結果。
实践中的激活指导和表示工程
透過隔離概念方向並觀察放大或抑制它如何改變輸出來探索模型的隱藏偏差。
透過隔離概念方向並觀察放大或抑制它如何改變輸出來探索模型中隱藏的偏差當團隊預先定義品質閾值、為邊緣情況保留人工升級路徑並追蹤隨著時間的推移提高生產力和錯誤成本時，通常會得到更好的結果。
实践中的激活指导和表示工程
使用單一轉向係數即時調整書寫語氣（正式與休閒），而不是立即進行工程或微調。
使用單一轉向係數即時調整書寫語氣（正式與休閒），而不是立即進行工程或微調。當團隊預先定義品質閾值、為邊緣情況保留人工升級路徑並隨著時間的推移追蹤生產力增益和錯誤成本時，通常會獲得更好的結果。
風險與防護欄
優化一項基準測試可以隱藏更廣泛的系統弱點。
基礎設施和維護成本常常被低估。
隨著系統變得更加複雜，安全性和可觀察性差距可能會擴大。
實施路線圖
在實施之前定義延遲、品質和成本目標。
在實施之前定義延遲、品質和成本目標。將每個步驟視為證據門：如果不符合標準，則暫停推出，縮小差距，然後再擴大使用。
在實際負載和資料條件下進行基準測試。
在實際負載和資料條件下進行基準測試。將每個步驟視為證據門：如果不符合標準，則暫停推出，縮小差距，然後再擴大使用。
儀器監控錯誤、漂移和使用者影響。
儀器監控錯誤、漂移和使用者影響。將每個步驟視為證據門：如果不符合標準，則暫停推出，縮小差距，然後再擴大使用。
在擴展之前準備回滾和事件回應路徑。
在擴展之前準備回滾和事件回應路徑。將每個步驟視為證據門：如果不符合標準，則暫停推出，縮小差距，然後再擴大使用。