热点事件持续更新
研究提出基于雅可比空间的大模型安全可访问性度量方法
1 篇报道1 个报道来源4 小时前更新
先了解这件事
AI 综述
2026年10月6日，发表于arXiv的研究提出通过雅可比空间（J-space）度量大模型内部安全内容的可访问性。研究在135M至1.5B规模的模型上揭示了安全训练与内部表示存在脱节现象。实验表明，0.5B模型经DPO训练后虽然学会了拒答，但J-space危险识别率降至随机水平，且感知监控的GCG后缀能够零成本绕过提示侧监控。该研究指出，安全训练与监控必须直接针对可访问性本身。
AI 根据报道生成 · 4 小时前更新
最新进展10月6日 12:00
研究提出雅可比空间度量法，揭示大模型安全训练与内部表示的脱节。报道时间线
沿着报道，了解事件的不同侧面。
10月6日
- arXiv 人工智能从潜在空间到雅可比空间：大模型安全内容可访问性的度量、规避与训练防御
研究提出通过雅可比空间（J-space）度量大模型内部安全内容的可访问性，并在 135M 至 1.5B 规模模型上揭示了安全训练与内部表示的脱节。实验显示 0.5B 模型经 DPO 训练后虽学会拒答，但 J-space 危险识别率降至随机水平，且感知监控的 GCG 后缀可零成本绕过提示侧监控。这表明安全训练与监控必须直接针对可访问性本身。
本事件热度走势
当前热度 9·可比范围峰值 10（10月6日 13:00）·近 24 小时可比范围变化 –
趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。