可解释性arXiv:2609.06934 · 9月7日论文提出拒答的几何解释：事后安全训练脆弱，预训练期持续安全共训更抗攻击用权重几何解释事后安全脆弱，并提出预训练持续安全共训练模型与 API·测试Qwen-2.5-7B、Qwen-2.5-7B-Instruct、Llama-3-8B 等 15 个·模型层模型加固模型篡改拒答失当微调与开源权重摘要论文将后验安全脆弱性归因于正交抑制，并提出通过预训练持续共训练实现具备微调抗性的安全防护。完整解读