TAE团队 发自 凹非寺 量子位 | 公众号 QbitAI 提升大模型对齐能力新方法，在TruthfulQA任务上真实性指标提升25.8%，刷新当前最优性能！ 方法名为 Token-A ware E d iting (TAE) ，是一种 token感知的推理时表征编辑方法 。 该方法首次系统性地从token层面解决了传统表征编辑技术的问题， 无需训 练、即插即用 ，可广泛应用于对话系统、内容审核、偏见 mitigation等 场景。 在 大模型广泛应用的时代，如何让模型输出更符合人类价值观 （如真实性、无害性、公平性） 已成为关键挑战。传统方法通常依赖大量数 据微调，成本高、效率低，且容易引入新风险。 近年来，对大语言模型 （LLMs） 的内部激活值直接进行编辑，被证明是一种有效的推理时对齐方法，能够高效抑制模型生成错误或有害内 容等不良行为，从而确保大语言模型应用的安全性与可靠性。 然而，现有方法忽略了不同token之间的错位差异，导致对齐方向出现偏差且编辑强度缺乏灵活性。 由此，来自北航的研究团队在EMNLP 2025上提出了该方法。 TAE：从"句子"到"词"的精细化干预 研究团队指出，以往的表征编辑研 ...