arXiv · AI· Vishnu Kabir Chhabra, Ding Zhu, Zhihui Zhu, Xueru Zhang, Mohammad Mahdi Khalili·· 10 天前AI 评分24
SPECTRA:无需重训练即可在微调 LLM 中恢复通用并提升特定领域安全性
Restoring General and Improving Domain-Specific Safety in Fine-Tuned LLMs Without Retraining
AI 导读
summary_zh: SPECTRA 是一种无训练、权重级方法,通过激活感知低秩更新将基础模型的拒绝方向迁移至微调模型,在无需梯度优化或特定领域安全数据的情况下恢复拒绝行为。
来源:arXiv · AI · arxiv.org