리버전 방향(v_rev)
안전성 정렬된 시작 체크포인트 θ_S와 동일 베이스로부터 짧은 helpful-only 파인튜닝으로 얻은 witness θ_H의 같은 층 평균 활성화 차이 v_rev = m_{θ_H}-m_{θ_S}로 정의되는 활성화 공간 방향이다. 이 방향은 이후 benign fine-tuning 중 자연스럽게 획득되는 '되돌림' 성분을 대리한다. 논문에서는 v_rev와의 정렬도가 초기 파인튜닝 단계에서 빠르게 증가하고 행동상 안전성 악화와 연관됨이 확인되었다.