Skip to content
Hot eventLive

论文：追踪LLM中从Attention到MLP的安全通路

1 reports1 sources2 hr ago updated

Get the story

AI overview

2026年10月12日，arXiv·Artificial Intelligence（一手）发表论文《Attention Sees, MLP Refuses：追踪 LLM 中从 Attention 到 MLP 的安全通路》。研究在18对Base-Instruct模型（覆盖Qwen、Llama、Gemma）的残差流更新中发现，harmfulness信息更易从attention更新（尤其是浅层）解码。这是目前该事件唯一报道，尚未见后续验证或反驳。

Generated from reports · updated 2 hr ago

LatestOct 12
新论文报告：harmfulness信息更易从attention更新（尤其浅层）解码。

Timeline

Follow the coverage from different angles.

Oct 12, 2026
  1. arXiv · Artificial Intelligence
    Attention Sees, MLP Refuses：追踪 LLM 中从 Attention 到 MLP 的安全通路

    研究在 18 对 Base-Instruct 模型（覆盖 Qwen、Llama、Gemma）的残差流更新中发现，harmfulness 信息更易从 attention 更新（尤其是浅层）解码。

Heat trend

There is not enough continuous observation data to draw a trend yet.