Dynamically Scaled Activation Steering (DSAS) адаптивно регулирует steering в генеративных моделях
DSAS — это независимая от метода платформа, которая разъединяет решение о том, когда выполнять steering, и способ его выполнения, вычисляя контекст-зависимые множители для регулирования силы преобразований активаций по слоям и входам. Авторы сообщают, что DSAS улучшает баланс между снижением токсичности и сохранением полезности, требует минимальных вычислений, повышает интерпретируемость, может оптимизироваться совместно с функциями steering; работа принята на воркшоп UniReps на NeurIPS 2025, а код будет опубликован на GitHub.