研究者提出免训练文生图安全防护方法CALM

2026年10月5日，相关研究在 arXiv 发布，研究人员针对文生图全局不安全表征的局限性，提出了一种免训练的安全防护方法 CALM。该方法通过提示词局部反事实校正，替代了传统的全局不安全信号消除手段。在实现上，CALM 利用匹配的不安全-良性锚点定位违规类别，仅对违规 token 表征进行最小编辑，并抑制不安全残差分量。评测结果表明，CALM 在显著提升不安全内容抑制效果的同时，较好地保留了良性提示词的生成效用。

AI 根据报道生成 · 3 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。