SADDER：文本扩散模型安全去噪方法

2026年10月15日，arXiv Artificial Intelligence 刊出 Amman Yusuf 等作者的论文，提出面向文本扩散模型的免训练安全引导方法 SADDER（Safety-Aware Denoising with Directional Embedding-based Revision）。据该报道，SADDER 在嵌入（或激活）空间为每个 token 位置提取安全引导信号，再用该信号乘以 SAD 更新规则来更新 token 位置，使不安全信号高的 token 更易被修改，从而改善 SAD 的安全性与质量权衡。作者为修改后的去噪器推导了逐位置目标分布，以及其与全局目标分布一致的条件。在 MDLM 与 USDM 上的不安全续写和越狱测试中，SADDER 在安全性、生成质量与推理成本之间取得更好平衡。上述内容均来自该论文自述，为目前唯一报道。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。