安全对齐

MIT 新方法无需生成内容即可识别被微调用于生成 CSAM 的模型

MIT 与儿童安全非营利组织 Thorn 等合作提出一种审计方法，通过分析 LoRA 适配器对模型内部计算的改动来判断模型是否被专门微调用于生成 CSAM，全程不生成任何输出。