通过机制解释理解和改善压缩模型中的拒绝行为

本研究关注压缩模型中安全性与可信度的矛盾，探讨了拒绝行为的机制并采用机制解释的视角评估模型安全性。通过我们的分析，提出了一种轻量级高效的方法，旨在提升压缩模型的安全性，同时不影响其性能和实用性。