arXiv ID:
2607.11475
arXiv 提交日期: 2026-07-13
超安全:针对微调语言模型的推理时安全恢复 / HyperSafe: Inference-Time Safety Recovery for Fine-Tuned Language Models
1️⃣ 一句话总结
HyperSafe通过为每个微调后的模型生成一个专属的、不修改原模型权重的安全侧网络,在模型推理时实时检测并拦截有害输入,从而在几乎不影响任务性能的前提下,将模型输出内容的安全风险降至1%以下。