论文Agent 与开发者09:39WRDO:用加权聚合优化大模型的拒绝方向arXiv 上的新论文,教你怎么把拒绝方向按提示加权组合,既能削弱拒绝也能反向修复被破解的模型,比单一均值方向更灵活。#HarmBench#拒绝方向#模型安全#开源模型aarXiv cs.LG@Grigoriy Evseev 等 6 人原文稍后读已读值得跟进有用关注 HarmBench