基于嵌入空间分离的大语言模型安全性增强

提出嵌入空间分离（ES2）微调方法，通过增加有害与无害嵌入距离提升大语言模型安全防御。 方法结合嵌入锚点损失和KL散度正则化，防止模型能力受损。 实验显示ES2有效抵御多种攻击，且通用能力与基线模型相当，仅部分任务表现有轻微下降。