arXiv cs.AI· Patrikas Vanagas, Augustas Ma\v{c}ijauskas, Laurynas Lopata·· 11 小时前AI 评分31
Capability-Gated Language Models：安全可组合，效用不可组合
Capability-Gated Language Models: Security Composes, Utility Does Not
AI 导读
论文提出“能力门控部署”（capability-gated deployment），在单套模型权重内实现按主体（principal）的访问控制，配置构成格结构，meet 累积限制、join 汇聚联盟可达范围。
正文 · AI 翻译
摘要：已部署的语言模型防护措施（安全微调、过滤、遗忘）仅在模型权重之外因主体而异：过滤器被重新配置，层级被叠加，产物被重新发布；在同一组权重内，每个请求都遇到相同的模型配置。这促使我们定义能力门控部署：在同一组权重内按主体进行访问控制，其配置构成一个格——交运算累积主体的限制，并运算汇集联盟的可达范围。我们通过在现有嵌套因子分解机制上的稀疏秩门控来实例化它，用单次归因引导配置文件搜索，并从预先注册的留出划分中一次性读取每个结果。安全性近似可组合：在单调引出假设下可证明在交运算处精确成立，而我们逐点证伪了该假设。在两个谱系中，留出交运算的中位数加深了抑制；唯一在校正后仍存活的效应强化了它。效用则不然：单独无害的配置文件可以组合成保留率和流畅性损害，且不存在组合界限。
| 评论： | 已被接收至 NeurIPS 2026 语言模型安全基础研讨会 |
| 主题： | 密码学与安全（cs.CR）；人工智能（cs.AI）；机器学习（cs.LG） |
| 引用为： | arXiv:2609.00445 [cs.CR] |
| （或 arXiv:2609.00445v3 [cs.CR] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2609.00445 arXiv 颁发的 DOI 通过 DataCite |
提交历史
来自：Patrikas Vanagas [查看电子邮件]
[v1]
2026年8月31日星期一 22:35:49 UTC（379 KB）
[v2]
2026年10月5日星期一 03:08:17 UTC（390 KB）
[v3]
2026年10月16日星期五 03:39:57 UTC（390 KB）
来源：arXiv cs.AI · arxiv.org