研究提出认证式机制编辑方法

Md Sazid Uddin 等作者发表论文，提出“认证式机制编辑”，声称能证明性地保证：在连续嵌入空间的某个区域内禁用一条回路，会移除一项技能，同时保留另一项技能，即信息流安全意义上的特征不干扰保证。 该方法从玩具 ReLU 网络验证到标准 softmax + LayerNorm Transformer，并借助可靠的边界传播，将可处理的输入扰动维度提升约 9 倍。 作者同时说明，这些保证只在小规模、标准架构网络上成立，且与任何移除主张一样，前提是目标技能存在可判定的规格，而现实中的危害未必具备这一性质。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。