---
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]]