研究人员开发了一个名为Activated LoRA (aLoRA) 的新模块化框架,旨在减轻大型语言模型(LLMs)的有害输出。该系统使用经过训练以检测和纠正诸如偏见或毒性等特定危害的专家适配器,并通过上下文感知路由器在中途激活。该方法旨在提供一种轻量级且高效的方法来增强LLM的安全性与可控性,而不会显著影响性能。 AI
影响 提供了一种更高效、更灵活的方法来缓解有害的LLM输出,有可能提高部署中的安全性和可控性。
排序理由 该集群包含一篇研究论文,详细介绍了LLM安全的新框架。[lever_c_demoted from research: ic=1 ai=1.0]
- Activated LoRA
- alphaXiv
- arXiv
- CatalyzeX
- DagsHub
- Gotit.pub
- Hugging Face
- LLMs
- Roberto Campbell
- ScienceCast
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →