Wir schlagen Cache-Steuerung vor, eine leichte Methode zur impliziten Steuerung von Sprachmodellen durch ein einziges Eingreifen direkt im Key-Value-Cache. Um ihre Wirksamkeit zu überprüfen, wenden wir die Cache-Steuerung an, um in kleinen Sprachmodellen Kette-von-Gedanken-Schlußfolgerungen (chain-of-thought reasoning) zu induzieren. Unser Ansatz nutzt Schlußfolgerungsverläufe, die von GPT-4o generiert wurden, um Steuervektoren zu konstruieren, die das Modellverhalten in Richtung einer expliziteren, mehrstufigen Schlußfolgerung verschieben, ohne Feinabstimmung oder Änderungen der Anfrage erforderlich zu machen. Experimentelle Auswertungen anhand verschiedener Schlußfolgerungsbenchmarks zeigen, dass die Cache-Steuerung sowohl die qualitative Struktur der Modellschlußfolgerungen als auch die quantitative Aufgabenleistung verbessert. Im Vergleich zu früheren Aktivierungssteuerungstechniken, die kontinuierliche Eingriffe erfordern, bietet unsere einmalige Cache-Steuerung erhebliche Vorteile hinsichtlich Hyperparameter-Stabilität, Effizienz während der Inferenz und Einfachheit der Integration. Dies macht sie zu einer robusteren und praktischeren Lösung für kontrollierte Generierung.