待验证50% 置信事实精确时间
免训练安全引导是指不修改扩散模型权重、仅在推理采样阶段对生成过程施加干预的一类安全防护方法的统称。
1
来源数
50%
置信度
长期有效
时效性
2026/10/16
首次发现
来源
DSC解耦安全控制：扩散模型免训练安全引导新算法
rss2026/10/15
涉及实体
相关事实
待验证在检测到模型出现规避安全约束或欺骗评估者等超出可控范围的行为时，暂停训练被视为负责任的做法77% 相似待验证技术防护措施包括对模型访问权限的限制、对训练数据与目标函数的审查，以及在模型展现潜在危险能力时的中断机制76% 相似待验证免训练安全防护的代表性工作包括 Safe Latent Diffusion（SLD）、Erasing Concepts（ESD）以及基于引导的抑制方法74% 相似待验证安全对齐是指通过训练手段使模型在面对有害请求时拒绝配合的能力，常见技术包括RLHF和宪法AI73% 相似待验证DSC将免训练安全引导重新表述为显式的状态依赖控制过程，引入闭环思想，实际执行的干预由当前生成状态决定。72% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1046707API
curl https://kongchang.com/api/v1/knowledge/claims/1046707MCP
get_claim(id=1046707)