论文10:49
Safe Trigger: 触发大推理模型的潜在安全意识实现自适应安全这篇论文发现LRM自己就能识别风险，用SFT+DPO触发安全分析，让DeepSeek-R1的越狱成功率高降36%，还不用外部数据，挺实用的。
#Safe Trigger
共 1 条 · 7 天 0 条 · 30 天 0 条
信息流里打上「Safe Trigger」标签的资讯、产品与论文，按刊登时间排，新的在上。
6月16日
这篇论文发现LRM自己就能识别风险，用SFT+DPO触发安全分析，让DeepSeek-R1的越狱成功率高降36%，还不用外部数据，挺实用的。