研究者提出Suan偏好优化算法用于LLM安全对齐

2026年10月28日，arXiv Artificial Intelligence 刊出研究，作者 Oleksandr Cherednichenko、Roman Klypa 提出偏好优化算法 Suan，用于大语言模型的安全对齐。报道称，该算法将优化目标直接建立在梯度层面、绕过标准变分推导，从而获得更可解释、更稳健的训练动态。研究针对开放权重模型后训练中常见的过度拒答与通用质量下降问题；在多种竞争性基线、方法与基准上的广泛评估显示，Suan 在实现更优安全对齐的同时完整保留了回复的实用性。目前该工作处于论文发布阶段，报道未提及代码、模型权重或部署情况。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。