研究者提出Palette安全对齐放宽框架

研究者Qitao Tan等人提出名为Palette的安全对齐框架，通过多目标搜索定位拒绝方向并经轻量适配内化到模型中，可在授权目标域选择性放松拒绝行为，同时在其他领域保留常规安全性。 该框架支持模块化组合：各领域安全控制独立学习后经参数合并拼装，无需重训练即可实现多域按需授权。据作者称，在四个安全基准及多个模型变体（含LLM与VLM）上的实验显示，该框架实现精确安全控制且不牺牲通用效用。 其动机是基础模型“一刀切”拒绝策略会使授权专业人员的合法请求被误拒。

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。