20260617:目前有914 页

concepts/steering-vector.md

@@ -0,0 +1,34 @@
+---
+title: "Steering Vector"
+created: 2026-06-01
+updated: 2026-06-01
+type: concept
+tags: [steering, interpretability]
+sources: [raw/papers/xu-why-steering-works-2026.md]
+confidence: medium
+---
+
+# Steering Vector（导向向量）
+
+> 占位符页面 — 待扩展
+
+## 概述
+
+Steering Vector 是从模型激活中提取的方向向量，用于在推理时通过加法干预 ([[activation-steering]]) 控制模型行为。
+
+## 提取方法
+
+- **DiffMean**（Marks & Tegmark, 2023）：取正负概念激活差值的均值
+- **SFT-based**：通过监督训练学习最优方向
+- **RePS**：基于偏好信号的训练
+
+## 在统一框架中
+
+导向向量等价于偏置更新 $\Delta b$：$h_{i+1} = W h_i + (b + m \Delta b)$
+
+## 相关概念
+
+- [[activation-steering]]
+- [[linear-representation-hypothesis]]
+- [[dynamic-weight-updates]]
+- [[xu-why-steering-works]]