研究人员推出了一种名为EOPSA的新方法,用于提高大型语言模型(LLM)安全对齐的效率和有效性。该方法解决了现有在线策略自蒸馏(OPSD)方法中的两个关键低效问题:在长生成序列中的监督崩溃和风格变化导致的梯度稀释。EOPSA采用自适应回滚调度(Adaptive Rollout Scheduling)动态限制生成范围,并采用选择性蒸馏(Selective Distillation)专注于安全关键的token,显著降低了计算开销,并提高了高达32B参数模型的安全合规性和推理保留能力。 AI
影响 EOPSA显著降低了LLM安全对齐的计算成本,有望加速更安全AI系统的部署。
排序理由 学术论文,详细介绍了一种新的LLM安全对齐方法。[lever_c_demoted from research: ic=1 ai=1.0]
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →