TraceRouter++提出路由级安全干预框架

Chuancheng Shi等作者提出路由级安全干预框架TraceRouter++，用于追踪有害输入激活的安全相关因果路由路径，并重对齐其不安全的激活状态。 该框架先用注意力散度定位敏感起始层，再用稀疏自编码器（SAEs）将稠密激活拆解为可解释的路由特征，并通过特征影响分数（FIS）映射到下游因果回路。 上述内容来自论文摘要，尚未见实验验证或第三方复现结果。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。