PulseAugur
中
实时 11:05:59
实体 SafeTulu

SafeTulu

PulseAugur coverage of SafeTulu — every cluster mentioning SafeTulu across labs, papers, and developer communities, ranked by signal.

Show in brief
总计 · 30天
1
90 天内 1
发布 · 30天
0
90 天内 0
论文 · 30天
1
90 天内 1
层级分布 · 90 天
主题
情绪 · 30 天

1 天有情绪数据

最近 · 第 1/1 页 · 共 1 条
  1. TOOL · CL_327016 ·

    新方法将大型语言模型安全退化追溯至训练数据

    研究人员开发了一种名为SimpleLoRIF的新方法，用于识别和移除大型语言模型训练集中的潜在有害数据。该技术利用梯度嵌入来精确定位那些看似良性但可能导致不安全行为的微调示例。通过将SimpleLoRIF应用于Tulu 3模型，他们创建了SafeTulu，该模型在抵御攻击的脆弱性方面显著降低，并保持或提高了其能力。