Контент доступен только для PRO подписчиков
Чтобы получить доступ к полному содержанию этого исследования, оформите PRO подписку
Эффективный переключаемый контроль безопасности в LLM с помощью совместного обучения, управляемого магическими токенами
КЛЮЧЕВАЯ СУТЬ
Адаптировать под запрос
Они взяли базовую LLM и на этапе дообучения (SFT) "показали" ей три типа ответов на одни и те же запросы: 1