这项由越南国家大学理学院和新加坡Knovel工程实验室联合开展的研究发表于2026年1月的arXiv预印本平台，论文编号为arXiv:2601.19375v1。有兴趣深入了解的读者可以通过该编号查询完整论文。
当我们训练一个AI助手时，就像教育一个孩子一样——我们希望它既聪明能干，又知道什么事不能做。但现实往往事与愿违，即使是经过精心训练的AI模型，仍然可能被"坏人"诱导做出有害行为，这就像一个平时很乖的孩子突然被陌生人用糖果骗走一样。
传统的解决方案就像给整个学校换校长一样，需要重新训练整个AI模型，不仅费时费力，还可能影响AI的其他能力。研究团队想到了一个更巧妙的办法：既然不能改变AI的"大脑结构"，那能不能像做精密手术一样，只在关键部位进行调整呢？
这种想法并非天方夜谭。AI模型的工作原理有点像人脑的神经网络，信息在不同层次间传递和处理。之前的研究者已经发现，可以在AI运行时实时调整这些信息流，就像在流水线上临时改变某个环节的工作方式。然而，这些早期方法就像用锤子修手表一样粗暴——要么完全删除某些功能，要么盲目地在所有地方都进行调整，结果往往是AI要么完
