arXiv Artificial Intelligence· Ankur Garg, Xuemin Yu, Hassan Sajjad, Samira Ebrahimi Kahou·2026-10-14 12:00· 18 小时前AI 评分29

TRACE：面向更安全语言生成的时序风险评估与概念编辑框架

TRACE: Temporal Risk Assessment and Concept Editing for Safer Language Generation

AI 导读

TRACE 通过码本将 token 激活映射到潜在概念，并用 GRU 预测完整回复的有害性与单调累积流式风险，在生成过程中选择性编辑有害概念的激活。