受限知识遗忘（CKU）提升大语言模型安全对齐

针对大语言模型易受越狱攻击的问题，研究人员提出受限知识遗忘（CKU）策略，通过剪枝特定神经元梯度在保留有用知识的同时移除有害知识。CKU 显著增强了模型安全性，且未损害整体性能，相比现有方法实现了安全与实用性的更优平衡。