利用特定标题的激活 Steering 控制工具使用

工具增强的大语言模型虽扩展了能力，但常不必要地调用工具。本文探究工具使用决策是否存在可提取和操纵的稳定内部表示。研究发现，从标题锚点位置提取的 steering 向量能在多个模型和领域中双向因果控制工具调用行为，尤其在参数推理 suffice 的领域有效抑制多余调用。几何分析显示，这种因果有效性并非源于清晰的线性结构，工具调用步骤与抑制向量呈现扩散的双模态对齐，且不同工具类型具有 distinct 的内部特征。