论文提出RESTA方法，通过任务算术将安全向量加到微调后受损的语言模型权重上，实现安全重新对齐，有效降低模型有害性，同时基本保持原任务性能，解决微调导致安全性下降的问题。

语言模型就是霍默・辛普森！通过任务算术重新矫正经过微调的语言模型的安全性
BriefGPT - AI 论文速递 BriefGPT - AI 论文速递 ·
👤 个人中心
在公众号发送验证码完成验证