★ 3
零空间投影净化 LoRA 后门
论文提出一种无需触发器先验、干净参考数据或重训练的 LoRA 后门净化方法，通过在输入输出通道构造正交零空间并投影 LoRA 更新来剔除后门方向。实验将攻击成功率从近 100% 降至 10% 以下，同时保留基座模型通用能力与适配器学到的下游技能。
arXiv cs.AI31 天前
共 2 篇相关资讯，按重要度与时间排序，每 3 小时更新。
论文提出一种无需触发器先验、干净参考数据或重训练的 LoRA 后门净化方法，通过在输入输出通道构造正交零空间并投影 LoRA 更新来剔除后门方向。实验将攻击成功率从近 100% 降至 10% 以下，同时保留基座模型通用能力与适配器学到的下游技能。
针对基础模型微调中的灾难性遗忘，论文提出纯事后、与微调方法无关的权重校正框架 JANUS，通过将参数更新投影到雅可比零空间实现参数空间正交，从而在一阶意义上保留历史性能。为克服雅可比近似的局部有效性，作者提出多步自适应校正机制动态验证信任域并调整步长，并配合幽灵投影、幽灵方向比较与序列级奇异值分解…