Dynamically Scaled Activation Steering（DSAS）方法解析

DSAS 是一种与方法无关的激活转向框架，通过自适应调节转向强度，在仅检测出不需要的行为时才进行干预。该方法在生成时计算上下文相关的缩放因子，可与现有转向方法联合优化，在毒性缓解与效用保持之间取得更好平衡。DSAS 适用于文本到图像扩散模型，计算开销小且能定位需要转向的 token。