提出基于路由的在线策略蒸馏(ROPD)方法,用于LLM安全重对齐,通过双教师输出概率蒸馏减少模板不匹配风险,在保持下游任务性能的同时提升防御鲁棒性。
机构:清华
来源:arXiv 2607.27081 | AI4Papers 论文推荐平台
AI4Papers 是一个以每日 arXiv 论文发现为入口的 AI 科研工作流平台,帮助研究者用最短时间掌握最新 AI/ML 前沿动态。
核心功能完全免费。高级 AI 功能(对比分析、深度研究、灵感工作台)支持自带兼容 API Key(如 OpenAI、通义千问)无限使用。
免费注册 | 使用教程