UpSafe°C：安全感知升级实现可控安全
热点事件持续更新
UpSafe°C：安全感知升级实现可控安全
1 篇报道1 个报道来源9 小时前更新
先了解这件事
AI 综述
Yuhao Sun 等作者提出 UpSafe°C 框架，通过安全感知的 upcycling 提升大语言模型安全性：将安全关键层改造为稀疏 MoE 结构，由路由器作为软护栏，选择性激活原始 MLP 与新增安全专家。 该方法结合两阶段 SFT 与推理时“安全温度”机制，可动态调节安全与效用的权衡。作者称，多基准、多基座模型与多规模实验显示，该方法在抵御有害及越狱输入上取得稳健安全提升，同时保持通用任务竞争力。
AI 根据报道生成 · 48 分钟前更新
最新进展11月5日 13:00
UpSafe°C：通过 Upcycling 实现大语言模型可控安全报道时间线
沿着报道，了解事件的不同侧面。
11月5日
- arXiv cs.AIUpSafe°C：通过 Upcycling 实现大语言模型可控安全
UpSafe°C 提出一种安全感知的 upcycling 框架，将安全关键层改造为稀疏 MoE 结构，由路由器作为软护栏选择性激活原始 MLP 与新增安全专家。该方法结合两阶段 SFT 与推理时"安全温度"机制，可动态调节安全与效用的权衡。多基准、多基座模型与多规模实验显示其在抵御有害及越狱输入上取得稳健安全提升，同时保持通用任务竞争力。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。