SSRFT：将安全对齐重构为安全角色内化
Get the story
2026年10月7日，arXiv（Artificial Intelligence，一手来源）报道了SSRFT（Supervised Safe-Role Fine-Tuning）方法，提出将大语言模型的安全对齐重构为对预定义安全角色的内化，而不是依赖显式的拒绝模式。该方法使用心理测量问题、少量越狱提示与安全角色描述构建SRQA数据集，并在此基础上合成并扩展与角色一致的回复，以训练模型在安全角色框架内作出回应。目前公开信息仅涉及该方法的基本思路与数据构建方式，尚无后续实验结果或第三方验证报道。
Generated from reports · updated 3 hr ago
Timeline
Follow the coverage from different angles.
- arXiv · Artificial IntelligenceSSRFT：把安全对齐重构为安全角色内化，超越拒绝模式
SSRFT（Supervised Safe-Role Fine-Tuning）把 LLM 安全对齐重构为预定义安全角色的内化，而非依赖显式拒绝模式。它用心理测量问题、少量 jailbreak 提示与安全角色描述构建 SRQA 数据集，合成并扩展角色一致回复。
Heat trend
Current heat 9·Comparable peak 10（Oct 7）·Comparable change over 24 hours –
The trend compares only the same participants observed continuously; its range may be smaller than the current heat count. Move or click on the chart to inspect hourly heat; use the left and right arrow keys to switch.