PulseAugur
中
实时 12:40:00
实体 Boundary-Aware Self-Distillation for Controlled LLM Safety Refusal

Boundary-Aware Self-Distillation for Controlled LLM Safety Refusal

PulseAugur coverage of Boundary-Aware Self-Distillation for Controlled LLM Safety Refusal — every cluster mentioning Boundary-Aware Self-Distillation for Controlled LLM Safety Refusal across labs, papers, and developer communities, ranked by signal.

Show in brief
总计 · 30天
0
90 天内 1
发布 · 30天
0
90 天内 0
论文 · 30天
0
90 天内 1
层级分布 · 90 天
主题
最近 · 第 1/1 页 · 共 1 条
  1. RESEARCH · CL_239380 ·

    新的LLM安全方法改进拒绝边界,减少过度拒绝

    研究人员开发了一个名为边界感知自蒸馏的新框架,以提高大型语言模型的安全性和可用性。该方法侧重于创建狭窄的拒绝边界,使模型能够拒绝有害内容,同时仍能响应同一主题内的合法查询。使用Qwen3_8B模型的实验表明,这种方法显著提高了目标拒绝率并减少了不安全响应,尽管仔细的数据构成对于避免过度拒绝良性提示至关重要。