斯坦福新法 CLEAR：动态路由安全模块，无损保留 LLM 原始能力
rohanpaul_ai · x · 2026-08-30
斯坦福大学新研究指出，传统的安全对齐通常采用全局微调，会导致模型在所有提示词上的性能下降（效用损失）。
论文提出了 CLEAR（Continuous Latent Adapter Routing）方法，旨在恢复因安全微调而损失的效用。其核心思路是：
- 冻结原模型：保持基础模型参数不变。
- 动态门控：引入一个小型门控网络读取输入提示词，判断其危害程度。
- 按需激活：对于良性提示词，几乎不激活独立的安全模块，使其在未触碰的原模型上运行，从而保留原有能力。
论文链接：arxiv.org/abs/2608.21278
「研究」频道最新
- 伯克利团队用扩散模型直接采样机器人策略权重，Unitree G1 真机走跑起舞 — berkeley_ai · 2026-10-16
- HKU 等提出 OneWM：统一因果训练让世界模型与动作学习互相增益 — IAAI233 · 2026-10-16
- 百度提出 Virtual Head Attention：同时压 KV cache、算力并保质量 — baidu · 2026-10-16
- 5.8M 参数语音事件检测器：为 Whisper 转录补上笑声呼吸与背景音 — Ayush Kumar Bar · 2026-10-16
- 华为等提出 SUPRA-Tex：单图生成可重打光 3D 材质，所见即所得 — Chen Yang · 2026-10-16
- RoboVista 机器人理解基准发布:Gemini-4 Argon 81.9% 登顶 — berkeley_ai · 2026-10-16