본 논문은 대규모 다국어 언어 모델(LLM)의 제너레이션 언어를 제로샷 설정에서 결정적으로 제어하는 방법을 연구합니다. 기존 연구에서 해석 가능한 모델 동작과 상관관계를 보이는 것으로 알려진 희소 오토인코더(SAE) 특징을 활용하여 추론 중 LLM의 생성 언어를 조종할 수 있는지 조사합니다. Gemma-2B와 Gemma-9B의 잔차 스트림에서 사전 훈련된 SAE를 활용하여 영어와 중국어, 일본어, 스페인어, 프랑스어 등 4개의 대상 언어 간에 활성화가 가장 크게 다른 특징을 식별합니다. 하나의 변압기 계층에서 단 하나의 SAE 특징만 수정함으로써 FastText 언어 분류에 따라 최대 90%의 성공률로 제어된 언어 전환을 달성하며, LaBSE 유사도에 따른 의미적 충실도를 유지합니다. 분석 결과, 언어 조종은 중간에서 후반 변압기 계층에서 가장 효과적이며, 언어에 민감한 SAE 특징과 불균형적으로 연관된 특정 어텐션 헤드에 의해 증폭됨을 보여줍니다. 이러한 결과는 희소 특징 조종이 제어 가능한 다국어 생성을 위한 경량이고 해석 가능한 메커니즘으로서의 가능성을 보여줍니다.