标签
TRACE提出了一种基于轨迹的安全补丁学习框架，用于LLM训练后重对齐。该框架学习一个插件式补丁，在任务相关方向上干扰最小，同时果断控制不安全行为，在基准测试中实现接近100%的安全性，同时保持实用性。