考虑维度串扰的多价值引导与多元LLM对齐

激活引导通过向隐藏状态添加学习方向来控制推理时的 LLM 行为，但现有方法一次只能处理一个概念。多元化的协调，不同的利益相关者需要不同的价值重点，需要同时引导多个维度。我们表明，朴素的转向会产生巨大的溢出效应：针对一个值的影响会渗透到其他值中。这与因果推理中的处理与溢出分解类似。我们追踪转向方向的几何纠缠（由其 Gram 矩阵捕获），并从激活范数惩罚目标中导出零成本校正，该目标精确地解耦每个方向的贡献。我们的端到端管道不需要微调，不需要奖励模型，也不需要手动提示工程：仅给出领域问题，它会自动发现价值维度，提取方向，诊断纠缠，并应用正确的转向。在气候话语方面，修正将净转向效果从 +5.9% 提高到 +14.0%，验证了超过 100,000 个成对判断。