激活引导（activation steering）在推理阶段能够改变大语言模型（LLM）的行为，但如何定位引导点以及其强度一直依赖人工探索。Deep Noir 框架通过 Logit Lens 收敛度量和因果头级归因，自动发现最优的引导参数。我们在三类规模的模型上进行评估：1B 参数的 3 种变体、2‑3B 参数的 2 种变体以及 7‑9B 参数的 4 种变体。实验显示，在 1B 规模上，Spam 检测的准确率提升 $16.7\%$（标准差 $4.7\%$，共 39 次运行），在 7‑9B 规模上提升幅度在 $21\%$ 到 $42\%$ 之间。对 SST‑2 情感分类任务，Deep Noir 在不修改代码的前提下实现 $13.1\%$ 的提升。机制层面的解释表明，自动发现的干预点能够在不同任务和架构之间迁移。对比实验中，未使用头部掩码的 RepE 在情感任务上未能超越基线，而 Deep Noir 对所有模型均显著提升（p < 0.01）。进一步分析发现，引导会产生可预测的提示注入攻击面，且攻击面随引导强度单调增大，这对部署了引导分类器的智能体系统具有重要安全意义。
点评：Deep Noir 将模型内部的因果结构与外部行为调控结合，实现了跨尺度、跨任务的自动化引导，提供了可解释性与安全性双重价值。