新研究：基于无知的防篡改仅适用于宽泛知识域

新研究发现，针对开放权重模型的恶意微调防护，仅在隐藏知识域足够宽泛且与其余知识显著分离时才可能实现。该方法难以覆盖窄知识域，防御瓶颈更可能来自数据集收集，而非代码配置或算力成本。