論文の概要: Can Activation Steering Capture Multidimensional Authorship Style?
- arxiv url: http://arxiv.org/abs/2609.04792v1
- Date: Fri, 04 Sep 2026 06:46:23 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-09-07 18:15:23.936461
- Title: Can Activation Steering Capture Multidimensional Authorship Style?
- Title（参考訳）: アクティベーションステアリングは多次元オーサリングスタイルで可能か?
- Abstract要約: アクティベーションステアリングは、適切に定義された属性に沿ってLLM生成を制御することを約束しているが、作者スタイルの多次元的および難しい性質を扱えるかどうかは不明だ。
そこで我々は, 自然言語スタイル記述子や専用トレーニングの必要性を回避して, リッチなスタイル表現をアクティベーション空間で直接構築できる構造的コントラストプロンプトを疑問視する。
私たちはAspect-Aware Activation Steering (A3S)でこれを運用しています。
- 参考スコア（独自算出の注目度）: 19.828865768583082
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Activation steering has shown promise for controlling LLM generation along well-defined attributes, but it remains unclear whether it can handle the multidimensional and hard-to-define nature of authorship style. We ask whether structured contrastive prompting along rhetorically-motivated dimensions can construct rich style representations directly in activation space, bypassing the need for natural language style descriptors or dedicated training. We find that the resulting directions share a common authorship backbone while conflicting on aspect-specific residuals that carry genuine stylistic signal, explaining why naive aggregation fails. We operationalize this in Aspect-Aware Activation Steering (A3S), a training-free framework that merges per-aspect contrastive directions with interference-aware aggregation and tunes steering strength per instance. A3S improves authorship style transfer where it is genuinely multi-aspect, outperforms a trained baseline in preference evaluations on out-of-domain benchmarks, and keeps target-exemplar overlap consistently low.
- Abstract（参考訳）: アクティベーションステアリングは、適切に定義された属性に沿ってLLM生成を制御することを約束しているが、作者スタイルの多次元的および難しい性質を扱えるかどうかは不明だ。
我々は, 自然言語スタイル記述子や専用トレーニングの必要性を回避して, 修辞的動機のある次元に沿った構造的対照的なプロンプトが, アクティベーション空間におけるリッチなスタイル表現を直接構築できるかどうかを問う。
結果として得られた方向は、真のスタイル的な信号を運ぶアスペクト固有の残留物に矛盾しながら、共通の著者のバックボーンを共有し、なぜナイーブ集約が失敗するのかを説明する。
私たちはAspect-Aware Activation Steering (A3S)でこれを運用しています。Aspect-Aware Activation Steering(A3S)は、Aspect/Aspect/Aspect/Aspect/Aspect/Aspect/Aspect/Aspect/Aspect/Aspect/Aware/Aspect/Aspect/Aspect/Asp ect/Aspect/Aspect/Aspect/Aspect/Aspect/Aspect/Aspect/Aspect/Aspect/Aspect/Aspect/Aspect/Aspect/Aspec t/Aspect/Aspect/Aware/Aspect/Aspect/Aspect/Aspect/Aspect/Aspect/Aspect/Aspect/Aspect/A
A3Sは、真のマルチアスペクトであるオーサシップスタイルの転送を改善し、ドメイン外のベンチマークで優先評価でトレーニングされたベースラインを上回り、ターゲット-例のオーバーラップを一貫して低く保ちます。
関連論文リスト
- Do Unified Multimodal Models Think in One Space? A Lens Through Cross-Branch Steering [7.62772056485722]
一方の枝から意味的方向を抽出し,他方の枝に応用する介入型フレームワークであるEmphcross-branchセマンティックステアリングを導入する。
理解分岐から学習したステアリングベクトルが生成に遷移し、制御可能な画像合成を可能にし、意味的忠実性を向上させることができることを示す。
この結果から,アーキテクチャ統合は意味的アライメントを保証せず,マルチモーダル表現を探索するための実用的なツールとしてクロスブランチステアリングを確立することが判明した。
論文 参考訳（メタデータ） (2026-07-29T02:46:20Z) - Capacity-Controlled Multi-View Stylization of 3D Gaussian Splatting [66.3033154284523]
3DGSのマルチビュースタイリングのためのキャパシティ制御フレームワークを提案する。
可変強度のカラム容量制約を導入することにより,複数対1のマッチングが緩和される。
また、シーンコンテンツとスタイルパターンの対応を制約するために、新しいクロスビューマッチングガイダンスを組み込んだ。
論文 参考訳（メタデータ） (2026-06-25T08:36:50Z) - MultiAct: Text-to-Motion Generation from Composite Text via Tailored Attention Guidance [54.131431576597514]
MultiActは、合成テキスト-モーション合成のための未ペアの推論時間フレームワークである。
提案手法は,未表現のプロンプト成分に付随するクロスアテンションスコアを適応的に増幅することにより,意味的崩壊に対処する。
論文 参考訳（メタデータ） (2026-05-29T07:14:48Z) - UniSteer: Text-Guided Flow Matching in Activation Space for Versatile LLM Steering [42.82337069202406]
アクティベーションに基づく制御は、ペルソナやスタイルといった行動を制御する効果的なパラダイムとして登場した。
残差ストリームのアクティベーションに関する条件分布を学習するテキスト誘導型アクティベーションフローマッチングモデルUniSteerを提案する。
我々は,UniSteerが行動制御,真正性ステアリング,きめ細かい概念ステアリング,マルチ制約命令の追従,アクティベーション空間の分類にまたがる統一インターフェースを提供することを示した。
論文 参考訳（メタデータ） (2026-05-28T15:23:29Z) - Hierarchical Consistency Learning for Test-time Adaptation in Camouflage Perception [50.278200968044665]
カモフラージュされた物体検出(COD)は、物理的属性を通して背景から最小限の知覚差を示すターゲットをローカライズすることを目的としている。
既存のメソッドは、静的なTrain-then-freezeパラダイムによって制約されており、ドメインの剛性と依存性のアノテーションに悩まされている。
動的表現再構成のためのテスト時間適応を統合した階層的一貫性学習フレームワークを提案する。
論文 参考訳（メタデータ） (2026-05-25T09:57:46Z) - Activation Steering for Aligned Open-ended Generation without Sacrificing Coherence [16.403654360036498]
ミスアライメントは、敵対的なプロンプト、良心的な微調整、創発的なミスアライメント、目標のミスジェネレーションによって引き起こされる。
最近の証拠は、いくつかの不整合挙動が活性化空間の線形構造としてコード化され、操舵によって牽引可能であることを示唆している。
これらの知見は, 世代ごとのアクティベーションの不一致を継続的に補正する軽量なランタイムディフェンスとして, アクティベーションステアリングを動機付けている。
論文 参考訳（メタデータ） (2026-04-09T12:28:22Z) - On the Feasibility and Opportunity of Autoregressive 3D Object Detection [60.86546723351944]
AutoReg3Dは、検出をシーケンス生成としてキャストする自動回帰型3D検出器である。
さまざまなポイントクラウドやバックボーンに互換性があり、アンカーやNMSなしで、競合するnuScenesのパフォーマンスを実現する。
論文 参考訳（メタデータ） (2026-03-09T05:46:53Z) - Facet-Level Persona Control by Trait-Activated Routing with Contrastive SAE for Role-Playing LLMs [6.715533531385597]
Role-Playing Agents (RPAs) におけるパーソナリティコントロールは、トレーニング不要の手法によって一般的に達成される。
本稿では,Big Five 30-facetモデルに適合する顔レベルの人格制御ベクトルを学習するSparse AutoEncoderフレームワークを提案する。
論文 参考訳（メタデータ） (2026-02-22T12:39:02Z) - ODESteer: A Unified ODE-Based Steering Framework for LLM Alignment [49.68063561145927]
活性化ステアリングのための統一常微分方程式(ODE)に基づく理論的枠組みを提案する。
本稿では,バリア関数によって誘導されるODEベースのステアリングの一種であるODESteerを紹介する。
最先端のアクティベーションステアリング手法と比較すると、ODESteerは一貫した経験的改善を実現している。
論文 参考訳（メタデータ） (2026-02-19T17:13:44Z) - StyDeco: Unsupervised Style Transfer with Distilling Priors and Semantic Decoupling [5.12285618196312]
StyDecoは、スタイル転送タスクに適したテキスト表現を学習する教師なしのフレームワークである。
本フレームワークは, 構造的忠実度と構造的保存性の両方において, 既存手法より優れる。
論文 参考訳（メタデータ） (2025-08-02T06:17:23Z) - Beyond 'Aha!': Toward Systematic Meta-Abilities Alignment in Large Reasoning Models [86.88657425848547]
大型推論モデル(LRMs)はすでに長い連鎖推論のための潜在能力を持っている。
我々は、自動生成の自己検証タスクを使用して、モデルに推論、帰納、誘拐の3つのメタ能力を持たせることを明確にした。
我々の3つのステージ・パイプラインの個別アライメント、パラメータ空間のマージ、ドメイン固有の強化学習は、命令調整ベースラインと比較して10%以上のパフォーマンス向上を実現します。
論文 参考訳（メタデータ） (2025-05-15T17:58:33Z) - Bi-level Feature Alignment for Versatile Image Translation and
Manipulation [88.5915443957795]
GAN(Generative Adversarial Network)は画像翻訳と操作において大きな成功を収めている。
忠実なスタイル制御を備えた高忠実な画像生成は、コンピュータビジョンにおいて依然として大きな課題である。
本稿では,高精度なセマンティック・スタイル・ガイダンスを実現する多機能な画像翻訳・操作フレームワークを提案する。
論文 参考訳（メタデータ） (2021-07-07T05:26:29Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。