安全子空间并不独立:一个微调案例研究

💡 原文中文,约300字,阅读约需1分钟。
📝

内容提要

本研究分析了大语言模型在安全对齐方面的脆弱性,指出模型的安全行为受到广泛学习动态的影响,挑战了安全对齐独立几何方向的假设,并强调了在持续训练中保持对齐的重要性。

🏷️

标签

➡️

继续阅读