Gradient-Sealed Unlearning（GSU）：让开源模型发布后也难被微调出危险能力

Burkov 介绍了面向开源权重模型的 Gradient-Sealed Unlearning（GSU）方法，旨在让模型发布后仍难以经微调获得危险能力。该方法利用受限领域的代理样本定位潜在内部通路，再调整选定的激活门控，削弱相关学习信号并保持普通任务的可用性。