CLEAR：持续潜在适配器路由以实现LLM安全对齐

提出CLEAR，一种条件安全适配框架，通过轻量级隐藏状态门控制安全低秩适配器的激活强度，旨在减少有害输出同时避免对良性提示的性能影响。实验表明，CLEAR在HarmBench上提高了鲁棒性，同时减少了SFT或LoRA等全局安全调整带来的效用损失。在Llama-3-8B-Instruct上，CLEAR将HarmBench ASR从32.3%降至0.5%，并保持了大部分基模型的效用，比全局SFT或LoRA提高了7.1个百分点的GSM8K准确率。