2nd/10_Wiki/Topics/Feature Clamping (피처 고정).md

---

id: CLAMP-001 category: Unified confidence_score: 1.0 tags: [ai-Interpretability, mechanistic-interpretability, steering, neural-networks] last_reinforced: 2026-04-26

Feature Clamping (피처 고정 기법)

📌 한 줄 통찰 (The Karpathy Summary)

"모델 내부의 특정 개념을 강제로 고정하여 출력을 조종하라" — 신경망 내부의 특정 활성화(Activation) 값을 인위적으로 고정(Clamp)하여 모델의 행동이나 스타일을 제어하는 기법.

📖 구조화된 지식 (Synthesized Content)

• 추출된 패턴: 모델이 특정 개념(예: '정중함' 또는 '독일어')을 처리하는 내부 뉴런 집합을 찾아낸 뒤, 그 값을 최대치로 고정하여 모든 출력에 해당 성질이 강제로 나타나게 하는 '스티어링(Steering)' 패턴.
• 세부 내용:
  • Activation Extraction: 특정 태스크 시 활성화되는 핵심 벡터 방향 식별.
  • Constant Injection: 추론 과정에서 특정 레이어의 활성화 값을 계산된 값이 아닌, 사전에 정의된 '고정값'으로 대체.
  • Model Steering: 파인튜닝 없이도 모델의 어조, 주제, 언어 등을 실시간으로 조율 가능.
  • Ablation Study: 반대로 특정 값을 0으로 고정하여 해당 기능이 모델에서 어떤 역할을 하는지 분석하는 용도로도 사용.

⚠️ 모순 및 업데이트 (Contradictions & RL Update)

• 과거 데이터와의 충돌: 단순히 프롬프트로 유도하던 방식에서, 모델의 두뇌(활성화 층)를 직접 제어하는 하드웨어적 접근으로의 진화.
• 정책 변화: 모델의 편향이나 유해성을 제거하기 위해 특정 '부정적 피처'를 억제(Negative Clamping)하는 안전 가드레일로 활용 연구 중.

🔗 지식 연결 (Graph)

• Parent: 10_Wiki/💡 Topics/AI
• Related: Mechanistic-Interpretability, Circuit-Discovery, Activation-Patching
• Raw Source: 10_Wiki/Topics/AI/Feature Clamping (피처 고정).md