arXiv · cs.LG· Amman Yusuf, Jiwoo Shin, Ruizhi Deng, Heitor Rodrigues Guimar\~{a}es, Nikita Dvornik, Mijung Park·· 4 小时前
SADDER：面向文本扩散模型的安全感知去噪与方向性嵌入修正
The Tokens Strike Back: Safety-Aware Denoising with Directional Embedding-based Revision
AI 导读
研究者提出 SADDER，一种在嵌入空间利用安全引导信号改进 SAD 的方法，通过门控机制让不安全信号高的 token 更易被修正，并理论推导出修正后去噪器精确对应的逐位置目标分布。
来源：arXiv · cs.LG · arxiv.org