arXiv · AI· Yuhao Sun, Zhuoer Xu, Shiwen Cui, Kun Yang, Lingyun Yu, Yongdong Zhang, Hongtao Xie·· 8 小时前AI 评分35
UpSafe°C：大语言模型可控安全的升级回收框架
UpSafe$^\circ$C: Upcycling for Controllable Safety in Large Language Models
AI 导读
提出统一框架 UpSafe°C，通过安全感知的“升级回收”增强大语言模型安全性。该方法将安全关键层重构为稀疏 MoE 结构，路由器作为软护栏选择激活原始 MLP 与安全专家，并结合两阶段 SFT 强化安全判别同时保留通用能力。
来源：arXiv · AI · arxiv.org