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