Value-Filtered Decoding 实现选择性安全引导

Value-Filtered Decoding 通过值基础安全准则过滤 token，减少不必要的干预并提升回复安全性。 该方法提供误干预概率的显式界限，单一阈值超参数控制该界限，在多个数据集上优于现有基线。 实现了安全性、有用性与基础模型相似度之间的更好权衡。