研究者提出SimpleLoRIF梯度过滤并发布SafeTulu
热点事件观察中
研究者提出SimpleLoRIF梯度过滤并发布SafeTulu
1 篇报道1 个报道来源2 天前更新
先了解这件事
AI 综述
Saket Reddy等作者提出SimpleLoRIF，一种可扩展的梯度嵌入方法，用于识别微调数据中梯度与不安全行为对齐的样本，并据此发布过滤后的SafeTulu数据集。 该方法简化低秩归因，并把反向传播限制在最后四个Transformer块，使百万级样本数据集也能完成嵌入，从而把梯度归因从分析工具变成后训练数据过滤器。 作者同时发布配套的Hugging Face Space，研究者可自行定制SafeTulu，例如调整移除比例或只过滤特定子集。
AI 根据报道生成 · 1 天前更新
最新进展10月28日 12:00
研究揭示微调数据如何侵蚀 LLM 安全性，提出 SimpleLoRIF 梯度过滤方法报道时间线
沿着报道，了解事件的不同侧面。
10月28日
- arXiv cs.CL研究揭示微调数据如何侵蚀 LLM 安全性，提出 SimpleLoRIF 梯度过滤方法
研究者提出 SimpleLoRIF，一种可扩展的梯度嵌入方法，通过简化低秩归因并将反向传播限制在最后四个 Transformer 块，可对百万级样本数据集进行嵌入，将梯度归因从分析工具变为实用的后训练数据过滤器。
本事件热度走势
- 可比范围当前
- 4
- 可比范围峰值
- 810月28日 22:00
- 近 24 小时变化
- -51%
02468
10月29日06:0012:0018:0010月30日
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。