该论文关注大语言模型（LLM）部署中的安全对齐问题：当用户输入包含有害意图时，模型可能给出不安全回答。作者指出，现有的激活引导（activation steering）方法虽然在推理阶段通过修改模型内部隐状态来提升安全性、且无需更新参数，但存在一个被忽视的痛点——单条提示词往往同时涉及多个危害类别（如暴力、仇恨、隐私、违法指导等），而只针对某一类别做安全引导，可能使其他类别的有害内容依然漏出。已有的自适应引导方案也没有显式地在多危害类别共现时协调引导方向与引导强度。为此，作者提出 CAM-Steer，一个类别自适应的多类别安全引导框架。其核心思路是：首先将当前隐状态与预先构造的“安全原型”和“不安全原型”做比较，据此估计每个危害类别上的风险分数；然后利用这些风险分数，把多个类别的安全方向加权合成为一个统一的引导方向，同时用风险大小决定干预强度；最后沿合成方向对隐状态做旋转，旋转角度由估计风险决定，并保持隐状态范数不变，以避免破坏模型原有的表征尺度与通用能力。实验覆盖三种 LLM 主干模型与七个危害类别，结果显示 CAM-Steer 在平均防御成功率上优于所评估的基线，且在类别共现场景下同样有效。消融与进一步分析验证了各组件设计的必要性以及风险分数本身携带的有效信息，同时该方法的推理开销可忽略。该工作适合研究 LLM 安全对齐、推理期干预与红队评测的研究者与工程师阅读。