IXThinker·2026-06-24 21:00

有毒子詞剪枝令大模型說不出穢語

香港中文大學等團隊發表ToxPrune毒性剪枝方法，毋須訓練、毋須改動模型權重，只在推理階段從BPE詞表移除有毒子詞，便能大幅抑制大模型輸出穢語。實測毒性評分由零點八九跌至零點一三，對話質素不跌反升。

從詞表根除毒性

不用訓練，不改權重，只動詞表就能給大模型消毒？研究團隊做到了。ToxPrune在推理階段直接把有毒子詞從BPE詞表中連根拔除，讓模型在物理層面上說不出髒話，屬於釜底抽薪式的干預。