安全算子：通过谱优化调节大模型安全指令表达

研究团队提出“安全算子”（Safety Operator）机制，通过谱优化调节 Transformer 语言模型权重乘法算子的主特征值，以控制安全指令对生成的影响强度。基于此衍生的 Contrastive Safety Loss 可平衡有害查询强化与无害查询抑制，有效调节攻击成功率与过度拒答率之间的平衡，实现安全指令的帕累托改进。