Burkov介绍梯度封印防遗忘方法
热点事件持续更新
Burkov介绍梯度封印防遗忘方法
1 篇报道1 个报道来源2 小时前更新
先了解这件事
AI 综述
Burkov介绍了一种面向开源权重模型的“梯度封印遗忘”（GSU）方法，目标是让模型发布后仍难以通过微调获得危险能力。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，以削弱相关学习信号，同时保持模型的普通任务可用性。
AI 根据报道生成 · 2 小时前更新
最新进展11月4日 04:32
Gradient-Sealed Unlearning（GSU）：让开源模型发布后也难被微调出危险能力报道时间线
沿着报道，了解事件的不同侧面。
11月4日
- AGI HuntGradient-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。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。