論文の概要: Persona Dosing: Calibrated Activation Steering for Graded Trait Control
- arxiv url: http://arxiv.org/abs/2609.36388v1
- Date: Mon, 28 Sep 2026 23:36:15 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-09-30 21:28:47.054224
- Title: Persona Dosing: Calibrated Activation Steering for Graded Trait Control
- Title（参考訳）: ペルソナ・ドス:段階的トラヒト制御のためのキャリブレーション・アクティベーション・ステアリング
- Abstract要約: PersonaDoseは、ペルソナ応答で共有された記述条件付きFLASコントローラを専門とし、測定された特性表現に対してそのフロー時間を校正する。
7つの訓練された特性のうち、キャリブレーション要求は1モデル当たり28点中4.7-6.2点の目標誤差を14-22点のキャリブレーション到達可能な目標とする。
- 参考スコア（独自算出の注目度）: 16.031981477369488
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: An activation-steering coefficient sets intervention strength, but requesting a particular degree of persona expression requires a behavioral scale. We study persona dosing: controlling a language model through a trait description and a requested mean intensity. PersonaDose specializes a shared, description-conditioned FLAS controller on persona responses, then calibrates its flow time against measured trait expression. Training responses are not paired with requested target intensities. Across Llama-3.1-8B, Qwen3-8B, and Gemma-3-4B, PersonaDose raises core-trait expression at the Persona Vectors coherence floor of 75 by 33.2, 18.3, and 17.8 points over contrastive activation addition. Calibration-selected settings retain an expression advantage on held-out questions, although the coherence floor does not hold for every trait there. Across seven trained traits, calibrated requests yield mean targeting errors of 4.7-6.2 points over 14-22 calibration-reachable targets out of 28 per model. These results separate the behavioral range learned by a controller from the accuracy of requests within that range.
- Abstract（参考訳）: アクティベーションステアリング係数は介入強度を設定するが、特定のレベルのペルソナ表現を要求するには行動尺度が必要である。
本研究では,特徴記述と要求平均強度を用いて言語モデルを制御するペルソナ・ドッシングについて検討する。
PersonaDoseは、ペルソナ応答で共有された記述条件付きFLASコントローラを専門とし、測定された特性表現に対してそのフロー時間を校正する。
トレーニング応答は、要求されたターゲット強度とペアリングされない。
Llama-3.1-8B、Qwen3-8B、Gemma-3-4Bにまたがって、PersonaDoseはPersona Vectorsコヒーレンスフロアの75倍の33.2倍、18.3倍、17.8ポイントのコアトレート表現を、対照的なアクティベーション付加よりも高める。
校正選択された設定は、保持された質問に対して表現上の優位性を保持するが、コヒーレンスフロアはすべての特性を保持しない。
7つの訓練された特性のうち、キャリブレーション要求は1モデル当たり28点中4.7-6.2点の目標誤差を14-22点のキャリブレーション到達可能な目標とする。
これらの結果は、コントローラが学んだ行動範囲と、その範囲内での要求の正確さを分離する。
関連論文リスト
- CounterSteer: Suppressing Indirect Prompt Injection with Activation Steering [4.1626636325601405]
間接的なプロンプトインジェクションにより、エージェントは信頼できない検索されたテキストを命令として扱う。
モデル内のこの振る舞いを抑える推論時間ディフェンスであるCounterSteerを提案する。
論文 参考訳（メタデータ） (2026-09-29T02:51:31Z) - Persona Following Is Not Selective Control: The Neutrality Gap in LLM User Simulation [62.68603541512519]
大規模言語モデルにおける選択制御の体系的失敗を同定する。
ターゲット属性を変更することで、特定されていない非ターゲット属性に対する応答もシフトする。
非ターゲット属性を未特定のまま残したり、指向性や中立性を宣言する3状態診断を運用する。
論文 参考訳（メタデータ） (2026-09-28T12:34:21Z) - How Far Do Persona Effects Generalize in Language Models? [21.279374648591318]
ペルソナは特定の種類の人々の答えを言語モデルに求める。
これらの効果から得られた関係が、新しい質問に対する反応を予測し、モデルやプロンプトで有用かどうかを検証する。
論文 参考訳（メタデータ） (2026-09-26T16:26:03Z) - PredActor: Predictive Action Diffusion for Steerable Onboard Humanoid Control [49.348182500314614]
アクションのみの拡散は直接アクションを生成するが、テスト時間運動の目的に対する明示的な将来の軌道は欠如している。
連立状態-作用拡散はこの表現を提供するが、代表コントローラはしばしば特権付きフルボディ状態に依存する。
提案するPredActorは,これらのステアリングを直接実行されるポリシに含める,予測的行動拡散ポリシである。
論文 参考訳（メタデータ） (2026-09-21T16:20:25Z) - A Three-Tier Persona Vector for Controllable User Simulation in Agentic Evaluation [0.9918136378822991]
23の操作次元を持つ3層ペルソナベクトルを提案する。
我々は64,698件の会話で合成データ生成パイプライン内のペルソナモデルを評価する。
論文 参考訳（メタデータ） (2026-09-08T11:28:02Z) - When Does Supervised Fine-Tuning Reduce Instruction Sensitivity? [0.45687771576879593]
大規模言語モデルは、同じタスク命令の代替的な定式化において、かなりの性能変化を示すことができる。
本稿では,複数のパラフレーズ命令による固定モデルチェックポイントの評価を行い,タスク性能の標準偏差として命令感度を定義する。
論文 参考訳（メタデータ） (2026-08-27T06:15:22Z) - Persona Cartography: Charting Language Model Personality Traits in Weight Space [2.3772203606681415]
大規模な言語モデルは、一般化と安全性を形作る反復的な行動パターン(ペルソナ)を示します。
我々は,モデルペルソナを記述するためにOCEANフレームワークを用いて,行動特性の空間におけるペルソナを位置として扱う。
低ランクのアダプタを訓練して個々の特性を増幅または抑制し、その効果を人為的なパネルに対して校正したLLM-judgeを用いて評価する。
論文 参考訳（メタデータ） (2026-07-08T21:00:44Z) - Efficient Visual Pointing for Embodied AI:Agent-Driven Data Synthesis, Cross-Block Attention, and Iterative Correction [55.11480729304395]
PointArena 2026は77.2%の精度でベンチマークで2位である。
ap proachは3つの障害モードをターゲットにしている。第一に、エージェント駆動のシンセシスは大きなセマンティクスとアンカー相対的な候補プールを構築する。
次に、determinis tic steerable-dataパイプラインは、認証された10,000サンプルのメインセットと、マスク、テンプレート、パス検証を使用するリザーブサンプルを生成する。
論文 参考訳（メタデータ） (2026-06-29T06:39:03Z) - PERSONA: Dynamic and Compositional Inference-Time Personality Control via Activation Vector Algebra [84.59328460968872]
大規模言語モデルにおけるパーソナリティ制御の現在の手法は、静的なプロンプトや高価な微調整に依存している。
ペルソナ(PERSONA)は、人格ベクトルを直接操作することで、微調整レベルのパフォーマンスを実現する訓練不要のフレームワークである。
PersonalityBenchでは、この手法は平均スコア9.60を達成し、教師付き微調整上界9.61とほぼ一致している。
論文 参考訳（メタデータ） (2026-02-17T15:47:58Z) - Pose-Robust Calibration Strategy for Point-of-Gaze Estimation on Mobile Phones [52.87468614536999]
キャリブレーション点と頭部の多様性が推定精度に与える影響を分析する。
実験により、キャリブレーション中により広い範囲の頭部ポーズを導入することで、推定器がポーズ変動を処理する能力を向上させることが示されている。
携帯電話を移動しながらキャリブレーションポイントを固定する動的キャリブレーション戦略を提案する。
論文 参考訳（メタデータ） (2025-08-14T01:28:30Z) - GrAInS: Gradient-based Attribution for Inference-Time Steering of LLMs and VLMs [56.93583799109029]
GrAInSは推論時ステアリングのアプローチで、言語のみのモデルと視覚言語の両方のモデルとタスクで動作する。
推論中、GrAInSはトークンレベルの属性信号によって誘導されるトランスフォーマー層で隠されたアクティベーションを隠蔽し、アクティベーションを正規化し、表現スケールを保存する。
微調整と既存のステアリングベースラインの両方を一貫して上回る。
論文 参考訳（メタデータ） (2025-07-24T02:34:13Z)
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。