从被动到富有说服力：基于局部激活注入的共情与协商

复杂的社会行为（如共情与战略礼貌）被广泛认为难以通过激活引导技术实现的方向性分解来实现，这种技术对粗粒度属性（如情感倾向或毒性）效果良好。我们提出STAR：通过归因与表示进行引导，测试这一假设，通过归因补丁识别每种行为特征因果起源的层级与词元位置，然后在恰当位置注入对比度激活向量。我们在情感对话与协商任务中评估了该方法，涵盖单轮与多轮情境，局部注入始终优于全局引导与指令引导；人类评估确认，所见提升反映的是感知质量的真实改进，而非词汇层面的表面变化。我们的结果表明，复杂的人际行为在大语言模型激活空间中编码为局部、近似线性方向，行为对齐本质上是一个局部化问题。