激活转向（Activation Steering）被广泛用于引导生成模型的行为，比如降低毒性输出。但现有方法普遍对所有输入施加同一套干预，一旦模型本身能正常作答，这种干预反而会损伤生成质量。

本文提出DSAS（Dynamically Scaled Activation Steering），一个与具体转向方法无关的框架，核心思路是把“何时转向”和“如何转向”拆开。DSAS在生成过程中为每个输入、每一层计算上下文相关的缩放因子，动态调整转向强度：只有检测到不良行为时才加大干预，其余情况保持轻干预。这个设计可以叠加到任意现有转向方法上，并且可以和转向函数一起端到端优化。

实验方面，DSAS与现有转向方法结合后，持续改善了Pareto front，即在不牺牲太多效用的情况下更有效地缓解毒性。作者还将DSAS应用到文本到图像扩散模型，验证了自适应转向能调制图像中的特定概念。最后，DSAS引入了极小的计算开销，同时提高了可解释性——它能明确告诉用户哪些token需要被转向、以及需要转向多少。

论文已被NeurIPS 2025的UniReps研讨会接收，代码将发布在GitHub上。