STEER：经由约束质量-多样性搜索的推理时风险控制

为平均正确性训练的大语言模型（LLM）常出现模式坍缩，在多个回答都可能合理的任务上产生狭窄的决策行为。这一局限在临床分诊等序数型决策场景中尤为成问题，因为标准对齐消除了基于上下文约束权衡特异性与敏感性（ROC 工作点）的能力。我们提出 STEER（Steerable Tuning via Evolutionary Ensemble Refinement），一个免训练框架，重新引入这种可调节的控制。STEER 通过离线的、受限的质量-多样性搜索构建自然语言人格集合，在促进行为覆盖的同时强制最低安全性、推理与稳定性阈值。在推理时，STEER 暴露一个单一、可解释的控制参数，将用户指定的风险百分位映射到所选人格，产生决策保守程度的单调调整。在两个临床分诊基准上，与基于温度的采样和静态人格集合相比，STEER 实现了更广的行为覆盖。与一个代表性后训练方法相比，STEER 在无歧义的紧急病例上保持显著更高的准确率，同时对歧义决策提供可比的控制。这些结果表明 STEER 是一种保全安全性的风险控制范式，能够在不损害领域能力的情况下引导行为。