路径分岔之处：大型语言模型中道德推理的局部化校准控制

大型语言模型在不同场景下常表现出异质的道德偏好。本研究探讨如何在推理阶段引导模型朝向特定伦理框架，同时保持其通用能力。我们提出“收敛 - 发散路由”方法，追踪并编辑 Transformer 块内伦理相关路径首次汇聚后分岔的最小分支点，通过门控非目标分支阻断下游传播。为实现细粒度控制，我们将公共空间模式适配至残差流，提取区分功利主义与义务论框架的方向向量，并引入“双对数校准”技术，在二维子空间内调整残差以对齐用户偏好权重。实验表明该方法能有效校准道德推理偏好且保留通用能力。