大語言模型條件控制中的效果與流暢度取捨：系統性研究

研究團隊系統性比較大語言模型（LLM）在概念注入與移除時的條件控制方法，發現高效引導往往以流暢度受損為代價。Activation steering 在指令微調模型上的效果遠不及在基礎模型上；提示詞和監督式微調可用於概念注入，但不擅長移除。低成本文本指標與成本較高的 LLM 評判分數高度相關。