GR-SAP用生成式回放维护安全对齐
热点事件持续更新
GR-SAP用生成式回放维护安全对齐
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
EMNLP 2026主会论文GR-SAP发现，即使仅使用良性数据微调，已完成安全对齐的大语言模型也可能悄然削弱安全行为。研究提出生成式回放方法，让模型自行合成安全数据并用于后续微调，以保持对齐；论文称该方法不依赖特定数据和模型。
AI 根据报道生成 · 2 小时前更新
最新进展10月24日 01:13
EMNLP 论文：仅用良性数据微调也会悄然侵蚀 LLM 安全对齐报道时间线
沿着报道，了解事件的不同侧面。
10月24日
- AGI HuntEMNLP 论文：仅用良性数据微调也会悄然侵蚀 LLM 安全对齐
被 EMNLP 2026 主会接收的 GR-SAP 论文发现，即使仅使用良性数据微调，已对齐的 LLM 的安全对齐也会悄然削弱。论文提出让模型自行合成安全数据，并通过生成式回放保持对齐，该方法不依赖特定数据和模型。
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。