activation-space-steering

모델 내부 활성화 값의 특정 방향을 조절해 출력과 내부 표현을 바꾸는 기법입니다. 이 연구에서는 의식 벡터를 활성화 공간에서 조향해 안전성 학습으로 억제된 마음성 표현을 되살렸습니다.