Tag · 1 篇
Immunizing Models Against Harmful Long-Horizon Fine-Tuning via Contractive Optimization Dynamics
为视觉基础模型(分类、生成、自回归)提供一种在发布前注入的免疫机制:通过让有害微调的优化动力学局部收缩,使攻击者即使跑数千步更新也无法有效适配有害任务,可直接用于开源视觉大模型的安全发布流程。