北卡研究：让大型语言模型更安全 ^{CEFR A2}

北卡罗来纳州立大学的研究人员研究大型语言模型的安全问题。团队发现，有些训练方法会让模型更容易拒绝危险请求，但这也可能降低模型准确性。

研究人员提出一种办法：在训练时冻结与安全相关的神经元，这样模型在学习新任务时还能保持原有的安全行为。团队报告说，这种方法可以减少不安全输出，同时尽量保持模型性能。研究成果将发表于 ICLR2026，相关代码和信息在官网提供。