概念representation engineering / Representation Engineering
表征工程
由斯坦福大学Zou等人于2023年正式提出的系统性AI研究框架，核心洞见是大语言模型的高层语义可通过对内部表征进行线性操作来编辑和控制，属于AI透明度与可解释性领域
时间轴 (近 90 天)
10月28日
近年来的表征工程和激活引导研究表明，某些语义或风格属性（如情感倾向、拒绝行为）在激活空间中存在近似线性的方向，沿该方向加减向量即可调控模型输出。
待验证50%
由斯坦福大学Zou等人于2023年正式提出的系统性AI研究框架，核心洞见是大语言模型的高层语义可通过对内部表征进行线性操作来编辑和控制，属于AI透明度与可解释性领域
近年来的表征工程和激活引导研究表明，某些语义或风格属性（如情感倾向、拒绝行为）在激活空间中存在近似线性的方向，沿该方向加减向量即可调控模型输出。