controlled-refusal

标签

#controlled-refusal

为谁安全？边界感知自蒸馏用于控制LLM安全拒绝

Hugging Face Daily Papers ↗ · 6天前缓存

本文介绍了边界感知自蒸馏，通过控制数据合成减少良性提示的误拒绝，同时保持真正的拒绝，从而改善LLM安全拒绝。

0 人收藏 0 人点赞

← 返回首页

提交意见反馈