开源模型安全 · 论文

局部稀疏性实现无监督 LLM 安全检测

提出局部稀疏无监督安全检测，标记偏离安全分布的输入

arXiv

2609.20129

发表

9月17日

层

模型层

场景

模型与 API

测试

qwen2-1.5b-instruct、ministral-8b-instruct、llama3-8b-instruct 等 6 个

• 防御监控与审计
• 攻击越狱
• 组件监控器