跳到正文
arXiv · AI· Arash Raftari, Mehrdad Mahdavi, Nathan Blackthorn, Andrew Arash Mahyari·· 2026-10-08AI 评分20

基于曲率引导模块定位的低秩后门大语言模型解毒方法

Curvature-Guided Module Localization for Low-Rank Detoxification of Backdoored Large Language Models

AI 导读

该研究提出一种机械性引导的权重空间修复框架,用于在不对全网络进行重新训练的情况下,事后清除大语言模型中的后门攻击。 该方法首先使用激活修补和 Fisher/K-FAC 曲率分析来定位传播触发器诱导行为的模块,然后仅对这些最具影响力的模块应用靶向低秩修复。

来源:arXiv · AI · arxiv.org