Palette按领域放宽模型拒答

Qitao Tan等提出Palette，通过轻量适配和参数合并，仅在授权目标领域放宽大模型的拒答行为；作者基于论文摘要称，其在四个安全基准、多个模型变体及大语言模型和视觉语言模型上实现了精确控制，同时保留其他场景的标准安全策略与通用能力。 Palette先用多目标搜索识别拒答方向，再通过轻量适配将其内化到模型中，并独立学习各领域的安全控制模块，从而无需重新训练即可组合多个领域的授权。该结果目前仅见于论文摘要所述实验。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。