免训练方法TraSCE修复负提示词越狱失效

研究者Anubhav Jain等人提出免训练推理时方法TraSCE，用于修复负提示词在越狱提示下出现的“引导崩溃”：崩溃时把回退目标从负提示词预测改为中性无条件预测，并用对齐局部化引导步骤主动触发该回退。 在面向裸露与暴力的对抗提示基准上，作者称TraSCE显著提升了负提示词对越狱提示的鲁棒性，且无需训练、权重更新或预先收集概念专属数据，对通用图像质量影响较小；该方法还可用于抑制艺术风格与特定物体。

AI 根据报道生成 · 51 分钟前更新

还没有足够的连续观测数据，暂不绘制趋势。