研究者提出UpSafe°C框架增强大语言模型安全
热点事件持续更新
研究者提出UpSafe°C框架增强大语言模型安全
1 篇报道1 个报道来源3 小时前更新
先了解这件事
AI 综述
论文作者提出安全感知 upcycling 框架 UpSafe°C，通过识别大语言模型中的安全关键层并将其升级为稀疏 MoE 结构，让 router 作为软护栏选择性激活原始 MLP 与新增安全专家，再配合两阶段 SFT 策略和 safety temperature 机制增强模型可控安全性。 该论文已被 NeurIPS 2026 接收，作者还发布了相关代码。
AI 根据报道生成 · 1 小时前更新
最新进展11月5日 13:00
UpSafe°C 提出安全感知 Upcycling 框架增强大语言模型可控安全报道时间线
沿着报道，了解事件的不同侧面。
11月5日
- arXiv cs.AIUpSafe°C 提出安全感知 Upcycling 框架增强大语言模型可控安全
UpSafe°C 框架通过识别 LLM 中的安全关键层并将其 upcycling 为稀疏 MoE 结构，让 router 作为软护栏选择性激活原始 MLP 与新增安全专家，再配合两阶段 SFT 策略。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。