热点事件持续更新
研究团队提出Safety Kernel机制以实现跨语言安全对齐
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，研究人员在arXiv发布研究，提出了面向大语言模型（LLM）跨语言防御的机理对齐方法Safety Kernel（SK），旨在通过定位多语言共享的安全神经元来抵御跨语言越狱等攻击。具体实现上，该方法通过计算SCAR分数筛选神经元并求取交集以获得SK，并基于此构建SK-Masked LoRA，将LoRA参数更新严格约束在SK对应的FFN输出维度上。实验结果表明，该方法能够在对模型通用能力影响极小的前提下，大幅降低多语言攻击的成功率。
AI 根据报道生成 · 4 小时前更新
最新进展10月20日 12:00
研究人员提出机理对齐方法Safety Kernel，可大幅降低大模型多语言攻击成功率。报道时间线
沿着报道，了解事件的不同侧面。
10月20日
- arXiv 自然语言处理Safety Kernel：面向大语言模型跨语言防御的机理对齐方法
研究人员提出了面向大语言模型（LLM）跨语言防御的机理对齐方法 Safety Kernel（SK），通过定位多语言共享的安全神经元来抵御跨语言攻击。该方法计算 SCAR 分数筛选并求交集获得 SK，并基于此构建 SK-Masked LoRA，将 LoRA 参数更新严格约束在 SK 对应的 FFN 输出维度上。实验表明该方法能大幅降低多语言攻击成功率，且对模型通用能力影响极小。
本事件热度走势
当前热度 9·可比范围峰值 10（10月20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。