Persona Vectors 论文：用激活向量监控并控制微调导致的人格变化

Persona Vectors 论文提出在模型激活空间中定位“人格向量”，用于监控和干预微调引起的人格变化。相关偏移与邪恶、谄媚、幻觉倾向等特质相关，作者提出事后干预和训练阶段的 preventative steering，并可据此标记可能诱发不良人格变化的数据。论文 arXiv 编号为 arXiv:2507.21509。