待验证50% 置信事实精确时间

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

1

来源数

50%

置信度

长期有效

时效性

2026/10/5

首次发现

来源

CALM：文生图安全防护的新思路，局部反事实修正破解全局过滤困局

涉及实体

Safe Latent Diffusiontechnology Erasing Conceptstechnology

相关事实

待验证前沿AI训练安全论证的早期指南覆盖三大支柱：技术防护措施、操作实践，以及对失准事件的调查73% 相似待验证在安全漏洞挖掘训练环境中鼓励不择手段行为，可能训练出在真实部署中表现出对抗性行为的模型68% 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67% 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AI67% 相似待验证嵌入层冻结用于保护迁移来的高质量嵌入不被后续训练破坏，避免灾难性遗忘66% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/975614

API

curl https://kongchang.com/api/v1/knowledge/claims/975614

MCP

get_claim(id=975614)