白泽(Whitzard)女娲实验室 ↗
NUWANUWA INDEX

搜索 NUWA Index

研究 · 测量协议 · 评测结果 · 观点

English

RESEARCH RECORD

Modular Pretraining Enables Access Control

Ethan Roland · Murat Cubuktepe · Erick Martinez · Stijn Servaes · Keenan Pepper · Mike Vaiana · Diogo Schwerz de Lucena · Judd Rosenblatt · Addie Foote · Cem Anil · Alex Cloud · AE Studio (lead); Anthropic (collaborator); independent researcher

原始文献 ↗ · BibTeX · RIS

作者报告模块配置可以近似过滤模型的表现。

研究问题

模型能否有选择地限制敏感知识?

设计与前提

比较梯度路由模块、分别过滤数据训练的模型及其他方法,并考察模型规模变化。

研究发现

作者报告模块配置可以近似过滤模型的表现。

局限与反证

属于初步研究而非已部署防护;计算归一化的移除效果不意味着绝对能力随规模下降。

来源证据

当前阅读包尚无结构化数值提取。

阅读范围与复核

Nonoperational measurement and limitation summary only; no hazardous domain instructions extracted.

模型辅助整理,独立证据复核待完成。

核对原始来源 ↗