arXiv · cs.AI· Qitao Tan, Xiaoying Song, Arman Akbari, Arash Akbari, Yanzhi Wang, Xiaoming Zhai, Lingzi Hong, Zhen Xiang, Jin Lu, Geng Yuan·· 2 天前
Palette：面向大语言模型按需授权安全对齐放宽的模块化框架
Palette: A Modular, Controllable, and Efficient Framework for On-demand Authorized Safety Alignment Relaxation in LLMs
arXiv:2605.24154v2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：Qitao Tan, Xiaoying Song, Arman Akbari, Arash Akbari, Yanzhi Wang, Xiaoming Zhai, Lingzi Hong, Zhen Xiang, Jin Lu, Geng Yuan
研究任务与主要进展
基于论文摘要，Qitao Tan 等提出 Palette 框架，通过多目标搜索识别拒答方向并用轻量适配将其内化到模型中，仅在授权目标领域放宽拒答，同时保留其他场景的标准安全策略。Palette 独立学习领域安全控制并通过参数合并组合，无需重新训练即可支持按需多领域授权；作者报告其在四个安全基准、多个模型变体以及大语言模型和视觉语言模型上的实验取得了精确控制且未牺牲通用能力。
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