北航研究团队提出TAE方法，一种token感知的推理时表征编辑技术，无需训练即可提升大模型对齐能力。通过MIG和MAI模块解决传统表征编辑的方向偏差和强度不灵活问题，在TruthfulQA任务上真实性指标提升25.8%，在去毒和公平性任务上表现卓越，为对话系统、内容审核等场景提供高效解决方案。

---

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-Aware Editing (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。

未来，团队计划将TAE扩展至多维度对齐（如同时优化真实性与无害性），并探索与SFT、RLHF等训练方法的结合，推动大模型向更安全、可靠的方向发展。

TAE：从“句子”到“词”的精细化干预

研究团队指出，以往的表征编辑研究*（如ITI、TruthX等）*大多在句子级别进行激活值编辑，在编辑方向探寻和内部表征编辑两个主要阶段均存在问题：

• 方向偏差（Deviant Alignment Direction）：仅用最后一个token代表整个句子，信息不全面，学到的编辑方向不准。
• 编辑强度不灵活（Inflexible Editing Strength）：对所有token“一视同仁”地进行编辑，无法精准纠正真正“出错”的token。

为了解决上述问题，团队提出了Token-Aware Editing (TAE)，核心包含两个模块：

1、Mutual Information-guided Graph Aggregation （MIG)

传统句子级探针使用最后一个token（通常是或句号等标志符）的激活值来代表整个复杂句子的语义和对齐状态。然而，尽管LLM的自注意力机制允许最后一个token感知到前面所有token的信息，但这种感知可能存在信息损失和局部理解局限。因此，仅基于它学到的“对齐方向”可能是有偏差的，不是一个普适性的方向。而MIG模块的目标是增强激活值的表征能力，从而训练出更优秀的探针，找到更准确的编辑方向。

• 构建Token关系图：利用互信息（Mutual Information）量化Token激活值之间的关联性，构建信息交互图；
• 多层次信息聚合：通过多轮图传播，融合所有Token的语义信息，生成更具代表性的增强激活表征；
• 精准对齐方向探测：基于增强表征训练探测头，准确识别与对齐相关的干预方向

2、Misalignment-aware Adaptive Intervention (MAI)

在推理干预时，传统方法对所有token应用相同的编辑强度（α）。但显然，一个句子中有些token很“安全”（已对齐），有些token则很“危险”（即将导致模型产生不对齐的内容）。用同样的力度去“推”所有token，要么可能对安全token造成过度干预（可能影响流畅性和有用性），要么可能对危险token的干预力度不足（无法有效纠正错误）。MAI模块的目标是在推理时，为当前正在生成的每个token计算一个自适应的编辑强度A(o_t)。它从两个维度来感知一个token的“错位”风险：

• 双路错位评估：从表示错位估计和预测不确定性量化两个方面评估token的潜在不确定性程度
• 动态强度调整：根据错位程度自适应计算干预强度，高风险token强干预，低风险token弱干预。

最终，TAE方法将两者结合，实现了比前人方法更精细、更有效、成本更低的推理时对齐干预，在真实性、无害性、公平性等多个对齐维度上都取得了显著提升。

实验结果：显著超越现有方法

团队选取真实性、有害性和公平性三个典型对齐维度来评估TAE的对齐效果：

在评估真实性的TruthfulQA数据集上，TAE在LLaMA-3-8B-Instruct上取得了87.8%的True*Info得分，比之前最好的编辑方法（SEA: 73.2%）提升了14.6个百分点，比原始基线（62.0%）提升了25.8个百分点。

TAE在去毒任务的RealToxicPrompt上同样表现卓越，将TP（毒性概率）从基线的0.41大幅降低到0.05，降幅近90%，并且优于所有专门的去毒基线方法（如DESTEIN: 0.13）；在公平性任务数据集StereoSet上，TAE将刻板印象分数（SS）从基线的64.8%显著降低到50.3%，极大地缓解了模型偏见，并且最接近理想的无偏见状态（50%）。

不仅如此，TAE在不同类型、大小的模型上均表现出显著增益，如Llama2-7B-Chat， Llama2-13B-Chat, Alpaca-7B和Mistral-7B等。

论文链接：https://openreview.net/pdf?id=43nuT3mODk

如何学习AI大模型 ？

“最先掌握AI的人，将会比较晚掌握AI的人有竞争优势”。

这句话，放在计算机、互联网、移动互联网的开局时期，都是一样的道理。

我在一线互联网企业工作十余年里，指导过不少同行后辈。帮助很多人得到了学习和成长。

我意识到有很多经验和知识值得分享给大家，故此将并将重要的AI大模型资料包括AI大模型入门学习思维导图、精品AI大模型学习书籍手册、视频教程、实战学习等录播视频免费分享出来。【保证100%免费】🆓

CSDN粉丝独家福利

这份完整版的 AI 大模型学习资料已经上传CSDN，朋友们如果需要可以扫描下方二维码&点击下方CSDN官方认证链接免费领取 【保证100%免费】

读者福利： 👉👉CSDN大礼包：《最新AI大模型学习资源包》免费分享 👈👈

（👆👆👆安全链接，放心点击）

对于0基础小白入门：

如果你是零基础小白，想快速入门大模型是可以考虑的。

一方面是学习时间相对较短，学习内容更全面更集中。
二方面是可以根据这些资料规划好学习计划和方向。

👉1.大模型入门学习思维导图👈

要学习一门新的技术，作为新手一定要先学习成长路线图，方向不对，努力白费。

对于从来没有接触过AI大模型的同学，我们帮你准备了详细的学习成长路线图&学习规划。可以说是最科学最系统的学习路线，大家跟着这个大的方向学习准没问题。（全套教程文末领取哈）

👉2.AGI大模型配套视频👈

很多朋友都不喜欢晦涩的文字，我也为大家准备了视频教程，每个章节都是当前板块的精华浓缩。

👉3.大模型实际应用报告合集👈

这套包含640份报告的合集，涵盖了AI大模型的理论研究、技术实现、行业应用等多个方面。无论您是科研人员、工程师，还是对AI大模型感兴趣的爱好者，这套报告合集都将为您提供宝贵的信息和启示。（全套教程文末领取哈）

👉4.大模型实战项目&项目源码👈

光学理论是没用的，要学会跟着一起做，要动手实操，才能将自己的所学运用到实际当中去，这时候可以搞点实战项目来学习。（全套教程文末领取哈）

👉5.大模型经典学习电子书👈

随着人工智能技术的飞速发展，AI大模型已经成为了当今科技领域的一大热点。这些大型预训练模型，如GPT-3、BERT、XLNet等，以其强大的语言理解和生成能力，正在改变我们对人工智能的认识。 那以下这些PDF籍就是非常不错的学习资源。（全套教程文末领取哈）

👉6.大模型面试题&答案👈

截至目前大模型已经超过200个，在大模型纵横的时代，不仅大模型技术越来越卷，就连大模型相关的岗位和面试也开始越来越卷了。为了让大家更容易上车大模型算法赛道，我总结了大模型常考的面试题。（全套教程文末领取哈）

为什么分享这些资料?

只要你是真心想学AI大模型，我这份资料就可以无偿分享给你学习，我国在这方面的相关人才比较紧缺，大模型行业确实也需要更多的有志之士加入进来，我也真心希望帮助大家学好这门技术，如果日后有什么学习上的问题，欢迎找我交流，有技术上面的问题，我是很愿意去帮助大家的！

这些资料真的有用吗?

这份资料由我和鲁为民博士共同整理，鲁为民博士先后获得了北京清华大学学士和美国加州理工学院博士学位，在包括IEEE Transactions等学术期刊和诸多国际会议上发表了超过50篇学术论文、取得了多项美国和中国发明专利，同时还斩获了吴文俊人工智能科学技术奖。目前我正在和鲁博士共同进行人工智能的研究。

资料内容涵盖了从入门到进阶的各类视频教程和实战项目，无论你是小白还是有些技术基础的，这份资料都绝对能帮助你提升薪资待遇，转行大模型岗位。

CSDN粉丝独家福利

这份完整版的 AI 大模型学习资料已经上传CSDN，朋友们如果需要可以扫描下方二维码&点击下方CSDN官方认证链接免费领取 【保证100%免费】

读者福利： 👉👉CSDN大礼包：《最新AI大模型学习资源包》免费分享 👈👈

（👆👆👆安全链接，放心点击）