arXiv · cs.AI· Arash Raftari, Mehrdad Mahdavi, Nathan Blackthorn, Andrew Arash Mahyari·· 2 天前
曲率引导的模块定位方法修复大语言模型后门
Curvature-Guided Module Localization for Low-Rank Detoxification of Backdoored Large Language Models
arXiv:2606.30899v2阅读论文 PDF ↗
仅依据论文摘要整理；未读取全文，实验条件、证明与基准细节请核对原文。
作者：Arash Raftari, Mehrdad Mahdavi, Nathan Blackthorn, Andrew Arash Mahyari
研究任务与主要进展
研究提出一种曲率引导的权重空间修复框架，用激活修补和 Fisher/K-FAC 曲率分析定位传播后门触发行为的模块，再对关键模块进行低秩修复。基于论文摘要，该方法在触发器位于提示开头、中间和末尾的 Llama-3.2-1B-Instruct 中毒变体上，抑制了触发器相关恶意响应并保留正常模型行为；摘要未提供完整基线、资源成本或更多模型上的结果。
阶段、条件与复现 · 深读核对
- 新能力对应什么具体任务与最小输入输出？
- 代码、模型、数据、许可与可用入口是否明确？
- 效果、总成本、失效条件与实际工作流如何验证？
这些是阅读核对问题；材料未说明的条件保留未知。请结合上方论文版本、资料范围与原文核验。
来源：arXiv · cs.AI · arxiv.org