錨定雙策略自對弈提升 AI 安全

有什麼變化

克服共享參數自對弈的自一致性問題

為什麼重要

此方法推進開源 LLM 的高效安全訓練，提升越獄抵抗力並最小化計算需求。它強調自對弈的架構修正，影響未來紅隊測試實務。

下一步行動

在你的 LLM 上實驗基於 LoRA 的雙策略自對弈進行安全紅隊測試。