提出LoRA微调LLM后门净化方法
热点事件观察中
提出LoRA微调LLM后门净化方法
1 篇报道1 个报道来源2 天前更新
先了解这件事
AI 综述
2026年11月6日，arXiv人工智能板块报道，研究者Jianwei Li与Jung-Eun Kim提出一种针对LoRA微调大语言模型的后门净化方法。该方法无需触发器先验、干净参考数据或对可疑参数的事后重训练，通过提取高保真后门方向，并在各层或注意力头的输入输出通道构造正交零空间，将LoRA更新投影到该零空间上。实验显示，攻击成功率从近100%降至10%以下，同时保留基座模型的通用能力与适配器学到的下游技能。报道称，该方法已从文本分类的单层设置逐步扩展到生成任务的全参数LLM。上述效果与适用范围均来自该报道所述研究，尚待进一步验证。
AI 根据报道生成 · 2 天前更新
最新进展11月6日 13:00
通过零空间投影净化 LoRA 微调 LLM 的后门报道时间线
沿着报道，了解事件的不同侧面。
11月6日
- arXiv Artificial Intelligence通过零空间投影净化 LoRA 微调 LLM 的后门
研究者提出一种无需触发器先验、干净参考数据或事后重训练的 LoRA 微调 LLM 后门净化方法，通过提取高保真后门方向并在各层或注意力头的输入输出通道构造正交零空间，将 LoRA 更新投影其上。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。该方法已从文本分类的单层设置逐步扩展到生成任务的全参数 LLM。
本事件热度走势
- 可比范围当前
- 3
- 可比范围峰值
- 711月7日 03:00
- 近 24 小时变化
- -49%
02468
06:0012:0018:0011月8日06:0012:00
趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。