CLEAR：面向效用保持的 LLM 安全对齐连续潜在适配器路由
CLEAR: Continuous Latent Adapter Routing for Utility-Preserving LLM Safety Alignment
阅读原文
本站未展示全文，请前往来源网站阅读。
AI 导读
研究者提出 CLEAR，一种用轻量隐藏状态门控连续调节安全低秩适配器激活强度的条件式安全适配框架，旨在减少有害输出同时避免改动冻结主干。在 Llama-3-8B-Instruct 上，CLEAR 将 HarmBench ASR 从 32.3% 降至 0.5%，并比全局 SFT 或 LoRA 的 GSM8K 准确率高出最多 7.1 个百分点。
来源：Hugging Face Daily Papers · arxiv.org