转换视角：用于大型语言模型的稳健偏差缓解的引导向量集

本研究解决了大型语言模型(LM)中的偏差缓解问题，提出了一种通过引导向量修改模型激活值的创新方法。通过对九个偏差维度进行贝叶斯优化，研究发现，引导向量集(SVE)通过整合多个个性化优化的引导向量，显著提高了偏差消减效果并保持了模型性能，展现出更广泛的安全性提高潜力。