研究者提出ES2微调方法提升LLM安全性

Xu Zhao等研究者提出并实验验证ES2（嵌入向量空间分离）微调方法，通过拉大有害与无害嵌入向量之间的距离来提升大语言模型安全性，使攻击需要更大的嵌入偏移才能破坏语义。 论文称，经ES2微调的模型通用能力与基线模型相当，但部分任务上出现性能下降。

AI 根据报道生成 · 4 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。