SATPO: Согласование между текстами и данными о безопасности посредством оптимизации преференций в переходный период
arXiv: 2610.19563v1 Аннонс Тип: новое резюме: согласование моделей распространения текста с изображением направлено на устранение вредного содержания без ущерба для полезных возможностей производства. Однако предпочтение отдается заполненным изображениям, которые сжимают многомерные факторы образования в крупногабаритный сигнал и потенциально приводят к изменениям, выходящим за рамки тех, что требуются для обеспечения безопасности. Для решения этой проблемы мы предлагаем оптимизацию преференций в области безопасности (САТПО), которая обеспечивает поэтапное согласование во время денонсации. SATPO использует понимание того, что небезопасный быстрый и безопасный перезаписи естественным образом образуют пару с плотно связанными предпочтениями при условии совместного исходного состояния и осознания шума. Благодаря оптимизации в идентичных материнских государствах SATPO устраняет исторические расхождения траектории, ограничивая адаптацию безопасности постепенным согласованием при сохранении семантики, имеющей отношение к задаче. Многомасштабные ограничения дрейфа и доброкачественная повторная воспроизведения еще больше ограничивают поведенческие отклонения и сохраняют обычное поколение. Мы добавляем