扩散语言模型推理时安全防御框架提出

研究者 Yejin Lee、Ungsik Kim、Yo-Sub Han 提出一种面向扩散语言模型（DLM）的推理时防御框架，将自适应安全引导与安全感知重掩码结合，无需修改模型参数。该方法用门控方向根据当前去噪状态持续调整引导强度，并在首个生成块后接入轻量响应检测器，早期识别不安全轨迹，对生成内容及部分条件提示词做定向重掩码。 在 LLaDA 和 Dream 上的实验显示，该方法提升了对多种越狱攻击的鲁棒性，同时保持良性生成质量与通用模型能力。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。