SADDER：文本扩散模型免训练安全去噪方法

Amman Yusuf 等作者提出免训练安全引导框架 SADDER，用于文本扩散模型的安全去噪。该方法在嵌入空间捕捉每个 token 位置的安全引导信号，将其乘以 SAD 更新规则形成门控机制，使不安全信号高的 token 更易被修改，并为修改后的去噪器推导出精确的分位置目标分布及其与全局目标分布匹配的条件。 在主流 MDLM 与 USDM 上的不安全续写和越狱测试中，作者称 SADDER 在安全性、生成质量与推理成本之间取得更好平衡。

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。