#大模型安全

朋友，有个挺有意思的研究，他们开发了一种叫SALVE的新方法，专门用来检测大模型学习过程中那些“偷偷摸摸”学到的知识，挺有意思的。

BLOOM-WILT让大模型安全审计更高效，在Qwen3.5-4B测试中行为诱导率翻倍，还推翻了原有模型安全排名。

大模型安全对齐的脆弱性一直是部署痛点，AIR用巧妙的锚定策略解决了“一改措辞就破防”的问题，做安全对齐的团队可以直接集成到现有训练流程中。