你的 AI 带拨盘：用单个神经元控制大模型的投资偏见

一篇 arXiv 论文提出投资偏差拨盘，在推理时通过干预单个神经元，持续调整 LLM 的投资决策倾向，无需修改提示或参数。对五个开放模型测试显示，该拨盘可单调改变投资立场，并影响决策、理由、信息检索和最终分析，在长上下文中比系统提示更稳定。

此前研究表明 LLM 在投资决策中具有系统性偏好，但缺乏可控校准手段。该研究提供了一种无需重新训练或修改提示的推理时干预方法，能持续调整模型的买卖倾向，且效果优于系统提示，为金融 AI 的可控性提供了新的技术路径。

LLM 中单个神经元的激活可影响模型整体决策先验。论文通过匹配正负证据，在推理时调整该神经元，使模型的投资立场向指定方向连续变化，同时影响决策、理由生成、信息检索和最终分析，说明存在可干预的全局决策机制。

对金融 AI 产品，可直接用于调整模型投资倾向，无需重新训练，降低成本。可提升投资建议的定制化能力，但需注意干预可能影响决策的可靠性和合规性。

• 开发带投资风格拨盘的金融分析工具，允许用户调整模型买卖倾向
• 在现有 LLM 投资系统中集成推理时干预模块，快速适配不同风险偏好
• 探索将该方法用于其他领域（如风险偏好、政策倾向）的可控生成
• 基于拨盘机制建立模型立场可解释性仪表盘，辅助审计和合规

• 该单神经元干预方法在其他模型架构（如 MoE）上是否同样有效？
• 干预对模型生成的语义质量和事实准确性具体有何影响？
• 在真实交易场景中，该拨盘调出的立场能否带来超额收益？
• 该方法是否适用于非英语语种或特定领域数据？