研究发现，微调大语言模型存在安全风险：少量恶意样本即可破坏其安全对齐，使其生成有害内容，甚至通过安全评估。为此，学者提出安全向量、Vaccine扰动感知对齐等方法，在微调中抵御有害嵌入漂移，同时保留模型有用能力，并呼吁加强微调安全协议研究。