C-ΔΘ：用电路受限的权重算术实现选择性拒答
[Daily Paper] C-ΔΘ: Circuit-Restricted Weight Arithmetic for Selective Refusal
AI 导读
C-ΔΘ 提出把选择性拒答从推理时护栏改为一次性离线权重编辑：先用 EAP-IG 定位负责拒绝某类输入的稀疏电路，再把权重更新 ΔθC 限制在该电路内，拒答目标类别而不改变其他类别回答，受影响参数通常不到模型总参数的 5%。该方法称可避免护栏被运行时绕过，并可能扩展至多模态与具身系统；论文称完整数值结果与泛化验证尚未给出。