RASET: Router-Agnostic Safety-Critical Expert Tuning разоблачает локальные сбои в обеспечении безопасности в LLM
arXiv:2605.29708v2 Анонс Тип: замена Abstract: Mixture-of-Experts (MoE) LLMs полагаются на разреженную, управляемую маршрутизатором активацию экспертов, но как выравнивание безопасности взаимодействует с маршрутизированной специализацией экспертов остается недостаточно изученным. Общая интуиция…