arXiv · cs.AI· Jiacheng Liang, Yuhui Wang, Tanqiu Jiang, Ting Wang·· 1 天前
RASA：面向混合专家模型的路由感知安全对齐框架
Routing-Aware Safety Alignment for Mixture-of-Experts Models
arXiv:2602.04448v4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：Jiacheng Liang, Yuhui Wang, Tanqiu Jiang, Ting Wang
研究任务与主要进展
Jiacheng Liang等人提出RASA，一种面向混合专家（MoE）模型的路由感知专家级安全对齐框架，用于减少稀疏路由导致的越狱绕过。基于论文摘要，RASA识别被成功越狱样本过度激活的专家，在固定路由下选择性微调这些安全关键专家，再强化其与安全对齐上下文之间的路由一致性；作者报告在两种代表性MoE架构和多种越狱攻击上实现接近完美的鲁棒性，并降低过度拒答、保持部分通用基准能力。
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