热点事件持续更新
研究团队提出大模型后门遏制策略QES
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2日，研究人员在arXiv上提出了一种名为QES的大语言模型后门遏制策略。该方法在类MoE架构中为模型添加专家专属LoRA分支与轻量路由器，在训练过程中将后门行为分流引导至指定的隔离专家，并在模型部署时以常数时间将隔离专家权重置零关停，从而消除后门威胁。整个过程无需筛查触发器或重新更新模型权重。实验结果显示，QES在多数测试设置下将后门攻击成功率（ASR）从100%降至0%至10%，且下游任务能力基本不受影响。
AI 根据报道生成 · 3 小时前更新
最新进展10月2日 12:00
研究团队提出大模型后门遏制策略QES，通过关停隔离专家可将攻击成功率降至10%以下。报道时间线
沿着报道，了解事件的不同侧面。
10月2日
- arXiv 人工智能基于专家隔离与关停的大语言模型后门遏制
研究人员提出大语言模型后门遏制策略 QES，通过在训练中将后门行为分流至指定隔离专家并在部署时关停，有效消除后门威胁。该方法在类 MoE 架构中为模型添加专家专属 LoRA 分支与轻量路由器，部署时仅需常数时间将隔离专家权重置零，无需筛查触发器或更新模型权重。实验显示，QES 在多数设置下将攻击成功率 ASR 从 100% 降至 0-10%，且下游任务能力基本不受影响。
本事件热度走势
当前热度 9·可比范围峰值 10（10月2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。