RASA：MoE模型路由感知安全对齐框架
热点事件持续更新
RASA：MoE模型路由感知安全对齐框架
1 篇报道1 个报道来源4 小时前更新
先了解这件事
AI 综述
研究者 Jiacheng Liang 等提出面向混合专家（MoE）模型的路由感知安全对齐框架 RASA，针对 MoE 稀疏路由导致的安全对齐难题，先识别被成功越狱时不成比例激活的专家，再在固定路由下仅微调这些专家，并强制路由与安全对齐上下文保持一致。 据研究者称，在两种代表性 MoE 架构和多种越狱攻击下，RASA 实现近乎完美的鲁棒性和跨攻击泛化能力，同时显著降低过度拒答，并在 MMLU、GSM8K、TruthfulQA 上保持通用能力。
AI 根据报道生成 · 1 小时前更新
最新进展10月8日 12:00
RASA：面向 Mixture-of-Experts 模型的路由感知安全对齐框架报道时间线
沿着报道，了解事件的不同侧面。
10月8日
- arXiv：cs.LGRASA：面向 Mixture-of-Experts 模型的路由感知安全对齐框架
研究者提出路由感知的专家级对齐框架 RASA，针对 MoE 模型稀疏路由导致的安全对齐难题，通过识别被成功越狱不成比例激活的专家、在固定路由下仅微调这些专家并强制路由与安全对齐上下文保持一致。在两种代表性 MoE 架构和多种越狱攻击下，RASA 实现近乎完美的鲁棒性和跨攻击泛化能力，同时显著降低过度拒答，并在 MMLU、GSM8K、TruthfulQA 上保持通用能力。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。