关于 Reference-Grafting 的报道

参考嫁接将激活坐标设为诚实参考值，仅编辑少量电路，在11个密码锁定模型上恢复了94%-101%的诚实-沙袋差距，效果与微调相当且无需权重更新。相比此前加性激活引导失败，表明激活编辑可高效揭示沙袋隐藏能力，为前沿模型安全评估提供不需重训的实用工具。