Pristine Models：在预训练阶段隔离不安全概念，推理时可断开不安全分支

Pristine Models 是一种新的文生图架构，通过注意力机制将安全与不安全知识分离到独立参数化的分支中，不安全分支可在推理时断开。在 ImageNet 上，它比仅用安全数据训练或事后概念移除的图像质量更高、文本对齐更好，同时保留全量数据预训练的大部分效用；该方法在 CC12M 上同样有效。