对比式权重转向：比激活转向更通用的 LLM 行为修改新方法

一篇新论文提出对比式权重转向（contrastive weight steering），沿两个相反微调之差定义的权重方向修改 LLM 行为，仅需小规模窄分布数据，泛化性往往优于激活转向。转发者还指出，可通过测量微调更新与一个「邪恶」权重方向的相似度来检测 emergent misalignment（涌现性错位），认为这一方向被低估。