研究提出了一种新方法，通过构建多样化的对比模式框架PopAlign，解决大型语言模型对齐时的不足和易受攻击问题，显著提高了模型对齐度和响应质量。

使用 PopAlign 方法对文本到图像模型进行优化，以消除训练数据中的偏见，并保持良好的生成质量。