大模型“精细化”对齐，真实性提升25.8%刷新SOTA！token级精准编辑，无需训练即插即用

北航团队在EMNLP 2025提出Token-Aware Editing (TAE)，一种无需训练的推理时表征编辑方法。该方法在token级别实现精细化干预，通过MIG增强对齐方向探测，MAI动态调整编辑强度。实验显示，在LLaMA-3-8B-Instruct上，TAE将TruthfulQA真实性得分提升至87.8%，相较前最优提升14.6个百分点；毒性概率从0.41降至0.05，刻板印象分数从64.8%降至50.3%，在多种模型上均显著优于现有方法。
来源：https://mp.weixin.qq.com/s/fOUaDciboRXC2ikoQvol3g