意识形态是问题：轻量级 Logit 引导用于社交媒体分析中的标注者特定对齐

大语言模型在内部对政治意识形态沿低维结构进行组织，这些结构部分但并非完全与人类的意识形态空间对齐。这种对齐不一致是系统性的、模型相关的，并且可被衡量。我们引入一种轻量级线性探针，既能量化这种不一致，又能最小化地纠正输出层。本文提出一种简单高效的方法，用于将模型与特定用户意见进行对齐。我们不通过重新训练模型，而是从其内部特征计算偏见得分，并直接调整最终输出概率。这一解决方案实用且成本低，且保留了模型原始的推理能力。