**中心化消融:解决最后一层方向性消融失效或崩溃问题及闭式解法** _Centered Ablation: Why Last-Layer Directiona
原帖
**中心化消融:解决最后一层方向性消融失效或崩溃问题及闭式解法**
_Centered Ablation: Why Last-Layer Directional Ablation Under-Fires or Collapses, and a Closed-Form Fix_
> 针对标准方向性消融在切换模型行为时出现的“失效”或“崩溃”问题,本文提出了“中心化消融(CA)”方法。研究发现,最后一层的状态向量存在一个远离原点的公共模式,导致标准消融方向与行为方向重叠时产生误判。CA 通过闭式解法将该公共模式从方向中剔除,实验表明该方法能显著提升攻击成功率、大幅减少文本崩溃,并更准确地预测模型对有害指令的响应。
**来源信息**
- **来源**:HuggingFace Daily Papers(社区热门论文)
- **分类**:论文
- **发布时间**:2026-11-17 08:00(北京时间)
- **原文**:[打开原文](https://huggingface.co/papers/2611.20148)