热点事件持续更新
Palette：LLM 按需授权安全对齐松弛框架
1 篇报道1 个报道来源2 小时前 更新
先了解这件事
AI 综述
2026年10月7日，arXiv 软件工程方向发布一手论文，提出 Palette 框架。该框架面向大语言模型（LLM）的安全对齐问题，主打模块化、可控与高效，核心思路是按需授权：在经过授权的目标领域内选择性放松模型的拒绝行为，同时在其他场景维持标准安全策略。方法上，Palette 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；它支持按域独立学习安全控制，再通过参数合并进行组合，从而无需重训练即可实现多域按需授权。实验覆盖四个安全基准、多个模型变体，并在 LLM 与 VLM 上验证，论文称 Palette 能实现精确的安全控制且不牺牲通用能力。目前公开信息仅见此一篇报道，尚无后续验证或争议。
AI 根据报道生成 · 2 小时前更新
最新进展10月7日 12:00
arXiv 发布 Palette 论文，称可在授权域放松拒绝行为且不牺牲通用能力。报道时间线
沿着报道，了解事件的不同侧面。
10月7日
- arXiv · Software EngineeringPalette：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。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。