通过解耦表征引导平衡风格化与真实性

基于摘要分析。该研究面向 LLM 输出控制，讨论表征编辑在增强特定风格时可能降低回答真实性的问题，并提出 StyliTruth，通过分离风格相关与真实性相关子空间，减少两类控制目标之间的干扰。 作者将这一现象称为“风格化诱发的真实性崩塌”，并将其归因于某些关键注意力头中风格方向与真实性方向的潜在耦合。StyliTruth 使用正交消去过程分离两类子空间，再在各子空间内构造自适应的 token 级引导向量，以动态干预生成过程。其核心区别不是直接叠加风格信号，而是先处理控制方向之间的耦合，再分别施加引导。摘要未说明方向识别、子空间估计及自适应向量的具体计算方式，也未明确所需监督信号与数据规模。 作者报告，在多种风格和语言的实验中，StyliTruth 减轻了风格化引起的真实性下降，并在风格遵循与真实性的平衡上优于现有推理时干预方法。摘要未提供具体模型、数据集、指标、数值与对照名称，因此无法据此判断改善幅度或适用边界；实验协议、消融及统计信息尚未验证。 该工作的主要研究对象是 LLM 风格控制，而非神经信号解码。现有材料不足以建立其表征方向与 EEG 被试差异、噪声或任务信息之间的具体对应关系，因此不据此提出 BCI 迁移效果或复现实验建议；相关 EEG 工作尚未检索确认。