Apple 发 DSAS：激活转向按上下文动态调强度，只在检测到不良行为时干预
Apple 机器学习研究 9 月（TMLR，页面标注 published September 2026）发表 Dynamically Scaled Activation Steering（DSAS）：现有激活转向方法对所有输入施加统一干预，不需要转向的输入也被牵连、模型性能受损。DSAS 把「何时转向」与「如何转向」解耦，生成时逐层、逐输入计算依赖上下文的缩放因子，只在检测到不良行为（如毒性输出）时强干预。
它改变的是模型行为控制的开销结构：转向从「全量常开」变为「按需介入」，方法无关的设计让现有转向变换可以直接套用，不动模型权重就能控制行为。
原文链接：Apple 机器学习研究页
核验记录
Apple ML Research 详情页直读，页面 content type paper + published September 2026；页面无 JSON-LD datePublished 与可见具体日期，日期以「2026 年 9 月」收录（TMLR 论文，非官方新闻公告）