新的解码方法在高温采样下保留了LLM的拒绝行为

研究人员开发了一种名为“拒绝门控解码”（Refusal-Gated Decoding）的新解码方法，旨在在高温度采样时保持LLM的安全护栏。该技术旨在提高输出多样性，同时不牺牲模型拒绝有害提示的能力。实验表明，该方法在基准数据集上保留了91-99%的拒绝行为，同时为安全提示保持了高温响应，且延迟增加极少。 AI

影响 通过允许更多样化的输出而不损害拒绝能力来增强LLM的安全性。

排序理由 该集群包含一篇详细介绍LLM解码新方法的论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.AI 阅读 →

• arXiv
• benchmark dataset
• Greedy decoding
• harmful prompts
• high-temperature sampling
• Hugging Face
• LLMs
• model guardrails
• Refusal-Gated Decoding
• safe prompts
• token probability distribution
• truncation-based sampling techniques

• 论文
• 安全

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →