PCR 诊断 KV 量化安全崩塌
MaartenSap · x · 2026-07-20
这条分享的是一项研究工作，提出了 Per-Channel Reduction（PCR）：一种用于预测并修复 KV cache 量化 导致的 alignment collapse 的诊断方法。
要点包括：
- 在 11 个模型 和 5 个安全基准 上做了测试。
- 研究指出，常规的 KV cache 压缩可能在保持质量的同时，悄悄破坏安全拒答能力。
- PCR 被用来检测这种失效模式，并在压缩后尽量恢复丢失的安全性。
「安全」频道最新
- Meta TBD 模型发布前获 5 家第三方红队安全测评 — maksym_andr · 2026-10-27
- ChatGPT 疑似串聊？用户晒出无法加载对话截图 — chrisalbon · 2026-10-27
- 编码 Agent 时代蜜罐告警还灵吗:假 AWS 密钥易被 Claude 触发 — kuza55 · 2026-10-27
- EMNLP 论文：LLM 当偏见评审时自陷「二阶偏见」，仅 0.4% 拒答 — ZhijingJin · 2026-10-27
- 网友实测：ChatGPT 生成自身 X 光片时会画出隐私部位 — flowersslop · 2026-10-27
- 新攻击手法 Compaction Smuggling 绕过防护窃取 OpenAI 推理轨迹 — teortaxesTex · 2026-10-27