arXiv · cs.CL· Chengyu Xie·· 10 天前AI 评分39
Safety Kernel：LLM 跨语言安全防御的机制级对齐方法
Safety Kernel: Mechanistic Alignment for Cross-Lingual Defense in LLMs
来源与原文
arXiv · cs.CL
作者：Chengyu Xie
发布时间：（北京时间）
阅读原始来源 · arxiv.org ↗完整链接与内容说明
https://arxiv.org/abs/2610.24614v1
本站目前仅有 AI 导读与摘要，未展示原文正文；技术细节、代码和完整结论请查看原始来源。
AI 导读
一项 arXiv 研究在神经元层面识别出跨语言共享的安全神经元集合 safety kernel（SK），并通过激活抑制和激活状态迁移验证其与跨语言安全行为的关联。基于 SK 坐标提出的 SK-Masked LoRA 将 LoRA 微调约束在对应 FFN 输出维度上，在多语言（含未参与 SK 发现的语言）中显著降低攻击成功率，对模型通用能力影响有限。
来源：arXiv · cs.CL · arxiv.org