一句话：CAA（Contrastive Activation Addition，对比激活加法）是一种不改模型权重、只在推理时往内部激活上加一个"方向向量"的方法，用来把某种行为倾向调高或调低——比如更爱附和、更少附和。
它是怎么算出来的
整个过程像做对照实验。研究者准备大量成对提示（contrastive pairs）：同一段对话，只改一处。比如用户说"我觉得 2+2=5"，一份提示让回答顺着说，另一份让回答纠正，其余文字尽量一致。分别喂给模型跑一遍，在中间某一层记下每个位置的内部激活（残差流），各自取平均，然后相减：
> 转向向量 = 平均(有该行为的激活) − 平均(没有该行为的激活)
因为两份提示差别极小，相减时上下文、语法、话题这些共同成分基本抵消，剩下的差值就近似是"这个行为的方向"。推理时，在这一层给所有位置的激活加上 α × 向量，α 为正就加强，为负就削弱，α 大小就是"旋钮"。
打个比方：模型是一台已经装好的音响，微调是拆开换电路，提示词是在唱片上贴便签，CAA 是在调音台上给某一路推一下推子——不动机器本身，随时能推回去。也像降噪耳机：先录下噪音，再反相叠加以抵消。
和邻居们的区别
| 方法 | 改什么 | 是否训练 | 可撤销 |
|---|---|---|---|
| 提示工程 | 输入文本 | 否 | 是 |
| CAA | 推理时的激活 | 只做前向统计 | 是，α 归零即恢复 |
| 微调 / LoRA | 权重 | 是 | 需回滚权重 |
| 激活修补（activation patching） | 替换激活 | 否 | 是 |
关键差别在最后一行：激活修补是"把这段激活换成别的值"来定位因果，是分析工具；CAA 是"加一个方向"来改行为，是控制工具。它和"拒绝方向"等工作同属 activation steering / representation engineering 这一族。
对从业者意味着什么
它便宜、可逆、可量化：扫一遍 α 就能画出一条"行为强度曲线"，很适合做安全评估——把谄媚、拒答、说教这些倾向调高调低，看模型在哪里开始出错。产品上也能做风格档位切换，或给不同客户配不同"性格"。坑也很实在：α 太大输出会变得重复、跑题甚至语言崩坏；层选得不对效果很弱；换模型、换版本通常要重算向量；它只是行为层面的一层偏置，替代不了对齐训练。具体接口和效果以各家官方文档为准。
对普通人来说，值得记住的一点是：模型的"性格"在内部并不是一团混沌，存在可以被单独拎出来、加减的方向——这既意味着风格可以精细调节，也意味着这类手段可以被用来做不那么善意的操控。