Tag: 安全对齐

All the articles with the tag "安全对齐".

• 7.7

  理解安全对齐移除：越狱微调和权重正交化如何瓦解 LLM 安全护栏

  2026年04月06日

  · arXiv cs.AI· 04/06 12:33 采集

  首次系统分析越狱微调和权重正交化两种安全移除方法的影响范围，发现安全退化不仅限于拒绝有害请求，还会影响模型整体的推理质量。