研究者提出SADDER文本扩散安全去噪方法

Amman Yusuf等作者提出SADDER（安全感知去噪与方向性嵌入修正），一种改进SAD的文本扩散模型安全方法。它利用每个token位置在嵌入（或激活）空间中的安全引导信号，将SAD更新规则乘以该引导信号来更新token位置，并通过门控机制让不安全信号高的token更易被修正。作者称该方法改善了SAD在安全性与生成质量之间的权衡，并理论推导出修正后去噪器精确对应的逐位置目标分布。

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。