LLMの拒否行動をリーマン最適化で制御する手法

arXiv cs.CL ・ 2026-08-31

原題: Controlling Refusal Behavior of LLMs via Stiefel-Constrained Rotation Steering

AI による要約

推論時のLLM拒否行動を制御する軽量手法として、リーマン最適化に基づく回転操作を提案する。既存手法は拒否ベクトルに依存していたが、本手法は自己完結型でパラメータ効率の高い回転変換を学習し、介入効率で優位性を示した。

この要約は当サイトの AI が生成したものです。正確な内容は 元記事（arXiv cs.CL）をご確認ください。