热点事件持续更新
研究揭示端侧语言模型安全关键参数脆弱性
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8日，arXiv发表的一项针对端侧语言模型安全脆弱性的研究表明，LLaMA-2-7B-Chat的安全敏感行为高度集中于稀疏参数中，其中MLP的down_proj是最显著的安全敏感组件。实验显示，仅修改down_proj中0.19%的权重，即可分别达到53%的Basic ASR和56%的GCG ASR；在此干扰下，模型的tinyBenchmarks准确率仍保持在51.6%（未修改基线为52.2%）。该成果通过稀疏故障分析揭示了极少数参数被篡改即可突破模型安全防线，为端侧及智能体场景的选择性完整性保护提供了依据。
AI 根据报道生成 · 4 小时前更新
最新进展10月8日 12:00
研究显示仅修改LLaMA-2-7B中down_proj的0.19%权重即可诱发显著安全漏洞，性能几乎不受影响。报道时间线
沿着报道，了解事件的不同侧面。
10月8日
- arXiv 人工智能端侧语言模型安全有多脆弱？定位安全关键参数进行稀疏故障分析
研究表明 LLaMA-2-7B-Chat 的安全敏感行为高度集中于稀疏参数中，MLP 的 down_proj 是最显著的安全敏感组件。实验显示仅修改 down_proj 中 0.19% 的权重即可达到 53% Basic ASR 和 56% GCG ASR，同时 tinyBenchmarks 准确率仍保持在 51.6%（未修改基线为 52.2%），为端侧及智能体场景的选择性完整性保护提供了依据。
本事件热度走势
当前热度 9·可比范围峰值 10（10月8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。