标签
CLEAR引入了一种用于LLM安全对齐的连续潜在适配器路由框架，使用隐藏状态门控来调节安全适配器，以在HarmBench上提高鲁棒性，同时在良性输入上保持效用。
提出ARIADNE，一种无需训练、适配器无关的路由框架，通过在嵌入空间中测量输入与适配器特定质心的接近度，在推理时选择最优的PEFT适配器，在23个任务上恢复了97.44%的上限性能。