跳到正文
arXiv · NLP· Ping Wu, Haibo Tong, Feifei Zhao, Han Shen, Yu Shi, Yilin Zhao, Sicheng Shen, Guobin Shen, Yun Luo, Yi Zeng·· 2026-10-15AI 评分36

WIFA:通过基于 Wrapper 的意图分组监督提升 LLM 安全性

Refusing Intent, Not Form: Wrapper-Based Intent-Group Supervision for LLM Safety

AI 导读

WIFA 方法通过共享 wrapper 家族对有害和良性请求进行意图分组,在提升 LLM 安全性的同时保留能力。 在 Qwen-AdvBench 上,WIFA-Boost 将 SB-avg5 从 22.1% 提升至 63.7%;A-GCRT 提升至 46.7% 并将 OR-Bench 过度拒绝率从 25.7% 降至 17.4%。

来源:arXiv · NLP · arxiv.org