Min-Seong Kim等提出WSR-Tune：重参数化微调以在下游适配中保持LLM安全

1. 12:00
   arXiv · cs.AI

   WSR-Tune通过权重空间重参数化在下游微调中保留大语言模型安全行为

   作者提出WSR-Tune框架，通过构建安全条件基并重参数化权重矩阵，在下游微调时冻结安全关键方向、更新其余方向，以减少任务适配与安全保持之间的干扰。基于论文摘要，实验结果显示该方法改善了下游性能与安全保持的权衡，但未说明具体数据集、基准和数值结果。

2. 12:00
   arXiv · cs.AI

   WSR-Tune通过权重空间重参数化在下游微调中保持大语言模型安全

   Min-Seong Kim等人提出WSR-Tune，一种基于权重空间重参数化的大语言模型微调框架，通过将安全相关信息集中到少量方向、冻结安全关键方向并更新其余方向，在下游任务适配时保持安全行为。基于论文摘要，该方法报告了下游性能与安全保持之间更有利的权衡，但材料未提供具体模型、数据集、基线或安全指标。

趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。