Buchumschlag

Don't Lose Focus: Activation Steering via Key-Orthogonal Projections

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Luo, Haoyan, Zarlenga, Mateo Espinosa, Jamnik, Mateja
Format:	Preprint
Veröffentlicht:	2026
Schlagworte:	Computation and Language
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Digging Deeper: Learning Multi-Level Concept Hierarchies
von: Hill, Oscar, et al.
Veröffentlicht: (2026)

Hierarchical Concept-based Interpretable Models
von: Hill, Oscar, et al.
Veröffentlicht: (2026)

Understanding Inter-Concept Relationships in Concept-Based Models
von: Raman, Naveen, et al.
Veröffentlicht: (2024)

Foundations of Interpretable Models
von: Barbiero, Pietro, et al.
Veröffentlicht: (2025)

Avoiding Leakage Poisoning: Concept Interventions Under Distribution Shifts
von: Zarlenga, Mateo Espinosa, et al.
Veröffentlicht: (2025)

Do Concept Bottleneck Models Respect Localities?
von: Raman, Naveen, et al.
Veröffentlicht: (2024)

Actionable Interpretability Must Be Defined in Terms of Symmetries
von: Barbiero, Pietro, et al.
Veröffentlicht: (2026)

End-to-End Ontology Learning with Large Language Models
von: Lo, Andy, et al.
Veröffentlicht: (2024)

Don't Start Over: A Cost-Effective Framework for Migrating Personalized Prompts Between LLMs
von: Zhao, Ziyi, et al.
Veröffentlicht: (2026)

Efficient Bias Mitigation Without Privileged Information
von: Zarlenga, Mateo Espinosa, et al.
Veröffentlicht: (2024)

Learning to Receive Help: Intervention-Aware Concept Embedding Models
von: Zarlenga, Mateo Espinosa, et al.
Veröffentlicht: (2023)

Don't Touch My Diacritics
von: Gorman, Kyle, et al.
Veröffentlicht: (2024)

Don't Pay Attention
von: Hammoud, Mohammad, et al.
Veröffentlicht: (2025)

Don't Half-listen: Capturing Key-part Information in Continual Instruction Tuning
von: He, Yongquan, et al.
Veröffentlicht: (2024)

If You Don't Understand It, Don't Use It: Eliminating Trojans with Filters Between Layers
von: Hernandez, Adriano
Veröffentlicht: (2024)

Don't Throw Away Your Pretrained Model
von: Feng, Shangbin, et al.
Veröffentlicht: (2025)

Don't Say No: Jailbreaking LLM by Suppressing Refusal
von: Zhou, Yukai, et al.
Veröffentlicht: (2024)

Think, But Don't Overthink: Reproducing Recursive Language Models
von: Wang, Daren
Veröffentlicht: (2026)

Hatevolution: What Static Benchmarks Don't Tell Us
von: Di Bonaventura, Chiara, et al.
Veröffentlicht: (2025)

ContextFocus: Activation Steering for Contextual Faithfulness in Large Language Models
von: Anand, Nikhil, et al.
Veröffentlicht: (2026)

Don't Pay Attention, PLANT It: Pretraining Attention via Learning-to-Rank
von: Roy, Debjyoti Saha, et al.
Veröffentlicht: (2024)

Don't Hallucinate, Abstain: Identifying LLM Knowledge Gaps via Multi-LLM Collaboration
von: Feng, Shangbin, et al.
Veröffentlicht: (2024)

Reasoning Models Reason Well, Until They Don't
von: Rameshkumar, Revanth, et al.
Veröffentlicht: (2025)

Don't Throw Away Data: Better Sequence Knowledge Distillation
von: Wang, Jun, et al.
Veröffentlicht: (2024)

Don't Command, Cultivate: An Exploratory Study of System-2 Alignment
von: Wang, Yuhang, et al.
Veröffentlicht: (2024)

Don't Act Blindly: Robust GUI Automation via Action-Effect Verification and Self-Correction
von: Zhang, Yuzhe, et al.
Veröffentlicht: (2026)

Don't Let It Hallucinate: Premise Verification via Retrieval-Augmented Logical Reasoning
von: Qin, Yuehan, et al.
Veröffentlicht: (2025)

Fine-Grained Activation Steering: Steering Less, Achieving More
von: Feng, Zijian, et al.
Veröffentlicht: (2026)

Interpretable Neural-Symbolic Concept Reasoning
von: Barbiero, Pietro, et al.
Veröffentlicht: (2023)

Language Models Don't Learn the Physical Manifestation of Language
von: Lee, Bruce W., et al.
Veröffentlicht: (2024)

Don't Walk the Line: Boundary Guidance for Filtered Generation
von: Ball, Sarah, et al.
Veröffentlicht: (2025)

Can AI Assistants Know What They Don't Know?
von: Cheng, Qinyuan, et al.
Veröffentlicht: (2024)

From Understanding to Utilization: A Survey on Explainability for Large Language Models
von: Luo, Haoyan, et al.
Veröffentlicht: (2024)

Tuning Language Models by Mixture-of-Depths Ensemble
von: Luo, Haoyan, et al.
Veröffentlicht: (2024)

Frictional Agent Alignment Framework: Slow Down and Don't Break Things
von: Nath, Abhijnan, et al.
Veröffentlicht: (2025)

Pointer-Generator Networks for Low-Resource Machine Translation: Don't Copy That!
von: Bafna, Niyati, et al.
Veröffentlicht: (2024)

Reuse, Don't Retrain: A Recipe for Continued Pretraining of Language Models
von: Parmar, Jupinder, et al.
Veröffentlicht: (2024)

Be like a Goldfish, Don't Memorize! Mitigating Memorization in Generative LLMs
von: Hans, Abhimanyu, et al.
Veröffentlicht: (2024)

ROAST: Rollout-based On-distribution Activation Steering Technique
von: Su, Xuanbo, et al.
Veröffentlicht: (2026)

Activation Steering via Generative Causal Mediation
von: Sankaranarayanan, Aruna, et al.
Veröffentlicht: (2026)