论文表示工程
Representation Engineering
由Andy Zou等人于2023年发表的AI安全研究论文，系统化了通过操控模型内部表示向量来控制模型行为的方法，为激活引导和模型解锁实验提供了理论基础
时间轴 (近 90 天)
9月18日
学术界主流的激活引导方法包括基于对比激活差异的 CAA（Contrast Activation Addition）、基于线性探针的引导方式，以及 Representation Engineering 框架下的各类变体
待验证50%
9月2日
Representation Engineering（RepE）论文由 Dan Hendrycks 团队于2023年发表，证明大语言模型的高层概念在内部表征空间中以线性方向的形式编码
待验证50%
9月1日
表示工程(Representation Engineering)由 Zou 等人在 2023 年的研究中系统化提出
待验证60%