shadow-alignment

标签

#shadow-alignment

面向鲁棒即插即用适配的解耦对齐

arXiv cs.CL ↗ · 2026-07-20 缓存

介绍了一种无需训练的方法，通过知识蒸馏和模型融合来增强LLMs的安全对齐，以防止影子对齐，在有害问题数据集上将防御成功率提高了14.42%，且不影响性能。

0 人收藏 0 人点赞

← 返回首页

提交意见反馈