提出上下文线性激活引导(CLAS)方法,通过学习感知向量动态调整线性激活引导的强度,使其依赖于输入上下文和模型层,从而在11个引导任务和4个模型家族上一致优于标准线性激活引导,并在有限标注数据下匹配或超越ReFT和LoRA。
机构:UC San Diego
来源:arXiv 2604.24693 | AI4Papers 论文推荐平台