摘要由 AI 生成
苹果公司提出一种名为 DSA（Disentangled Safety Adapter）的新架构方案，旨在重构大模型的安全体系。该方案将安全能力从传统的“外挂护栏”或“写入基础参数”模式，转变为独立的“安全协处理器”。DSA 挂接在大模型已计算好的内部表示之上，通过复用主模型的语义理解来实现共享计算与参数隔离，并支持动态调节安全强度。实验表明，轻量级 DSA 在毒性检测及事实一致性等任务上的效果接近完整的安全系统，且能降低对齐成本并提升推理效率。
关键实体KEY ENTITIES
AppleLlama GuardShieldGemmaWildGuard
报道态势 · 每日报道量LANGUAGE SPLIT
实体关系
信号强度SIGNALS
关键词热度
- Apple1
- Llama Guard1
- ShieldGemma1
- WildGuard1
全部报道（1）SOURCES
↗
安
安全内参
zh
2026-09-06 08:00
Apple 提出 DSA（Disentangled Safety Adapter），旨在重构大模型安全架构。DSA 将安全能力作为独立“安全协处理器”，挂接在大模型已计算好的内部表示之上，而非外挂护栏或写入基础参数。该方案通过复用主模型的语义理解，实现共享计算、参数隔离及安全策略可替换。实验显示，轻量级 DSA 在毒性检测及事实一致性等任务上效果接近完整大模型安全系统。此外，DSA 支持动态调节安全强度旋钮 λ，仅在高风险请求时介入生成修正，从而降低对齐税并提升推理效率。