arXiv · ML· Patrikas Vanagas, Augustas Ma\v{c}ijauskas, Laurynas Lopata·· 2026-10-06AI 评分24
能力门控语言模型:安全性可组合,效用不可组合
Capability-Gated Language Models: Security Composes, Utility Does Not
AI 导读
研究提出能力门控部署机制,通过稀疏秩门控实现单模型权重内的按主体访问控制。在两个谱系中,留出的 meet 操作加深了抑制效果,验证了安全性可近似组合。 然而,单独无害的配置组合会导致留存率和流畅度受损,且不存在效用组合的上界限制。 该成果被 NeurIPS 2026 语言模型安全基础研讨会接收,强调了安全与效用的非对称特性。
来源:arXiv · ML · arxiv.org