提出安全投机解码方法SecureSD

2026年10月15日，arXiv Artificial Intelligence 发布一项面向大语言模型的安全投机解码研究，作者为 Yichi Zhang 等。研究首次系统考察投机解码的安全影响，发现各类有损投机解码方法存在明显的安全—效用不对称：越狱与提示注入攻击成功率的上升速度远快于效用下降。为此，作者提出理论引导的 SecureSD 方法，针对 draft 模型在解码早期位置生成的 token 采用更严格的验证标准。在安全与效用基准上的实验显示，SecureSD 在保持效率与效用的同时显著提升安全性。该研究目前以论文形式发布，尚未见后续跟进报道。

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。