近年の大規模言語モデル（LLM）は高い性能を示す一方，金融など専門ドメインのセンチメント判断では，大規模な追加学習や外部情報への依存が大きく，計算資源や運用負荷が課題となる。本研究は，モデル重みを変更せず，層末尾の内部表現に学習済みベクトルを微小に加えるだけで金融センチメントを制御する手法を提案する。英語株ツイートを対象に，中立度軸と極性軸を学習し，デコード前に介入することで負極性の検出率と三クラスMacro-F1の向上を確認した。また，同等のGPUメモリで学習したLoRA等の軽量微調整手法と比較し，本手法が実務的コストで既存LLMの振る舞いを柔軟に調整し得ることを示す。