Multi-Agent Debate 내재화를 통한 토큰 사용량 93% 절감 및 추론 성능 유지
Latent Agents: A Post-Training Procedure for Internalized Multi-Agent Debate
DeepSeek-V4-Flash로 LLM 조향(Steering)이 다시 흥미로워졌다
추론 시점 Activation Steering 통한 모델 거부 제거 및 57.07 t/s 성능 달성
UniPool 기반 파라미터 66.7% 절감 및 MASCing 통한 방어율 83.9% 달성
Shared expert pool reduces parameters while maintaining performance
Fine-tuning 없이 Runtime 활성화 벡터 조작을 통한 LLM 페르소나 제어
You Don't Have to Fine-Tune Your LLM to change it's Behavior. You Can Just… Steer It.