SEDATE方法提出：免训练提升大模型安全

研究团队提出名为SEDATE的免训练安全干预方法，采用“检测-编辑-验证”策略，通过定位并编辑负责攻击性的神经元来提升AI安全性。 该新方法在7种语言和4个模型族上进行了评估，并在4种分布外语言及4个额外数据集上验证了其鲁棒性。 结果显示，SEDATE在保留通用能力且开销极小的情况下，安全得分显著优于最佳基线。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。