Palette：面向 LLM 按需授权安全对齐放松的模块化、可控、高效框架

论文提出 Palette，一个模块化、可控且高效的框架，可在授权目标域选择性放松 LLM 的拒绝行为，同时在其他场景保持标准安全。该方法通过多目标搜索识别拒绝方向，并以轻量适配将其内化到模型中，支持按域独立学习安全控制并通过参数合并组合，无需重训练即可实现多域按需授权。在四个安全基准、多个模型变体以及 LLM 与 VLM 上的实验显示，Palette 能实现精确安全控制且不牺牲通用能力。