热点事件持续更新
SafeDepth：自适应层计算提升模型安全与效率
1 篇报道1 个报道来源11 小时前更新
先了解这件事
AI 综述
2026年10月2日，arXiv cs.CR 发布论文提出 SafeDepth，一个面向 Llama-3-8B-Instruct 的轻量插件框架。该框架通过 router 和 adapter 对 token 级计算进行自适应控制，选择性执行 Transformer 层，以在减少计算量的同时降低有害响应率。论文称，与全深度推理相比，SafeDepth 能减少计算并大体保持任务性能；与 FlexiDepth 相比，在五个有害请求基准上不安全响应率均下降。
AI 根据报道生成 · 2 小时前更新
最新进展10月2日 12:00
SafeDepth 论文发布，提出通过选择性执行层降低有害响应。报道时间线
沿着报道，了解事件的不同侧面。
10月2日
- arXiv cs.CRSafeDepth 提出安全感知的 token 级自适应计算框架以降低有害响应
SafeDepth 是面向 Llama-3-8B-Instruct 的轻量插件框架，通过 router 和 adapter 选择性执行 Transformer 层，在减少计算的同时降低有害响应率。论文报告其相对 full-depth inference 减少计算并大体保持任务性能；与 FlexiDepth 相比，在五个 harmful-request benchmarks 上 unsafe-response rates 均下降，HarmBench-HJ 从 55.44% 降至 25.25%，XSTest false-refusal rate 从 12.0% 降至 4.0%。事实是跳层选择会改变安全表现，推断是 token 级自适应推理不能只按算力优化，猜测是这类方法可能成为推理成本与安全响应之间的工程折中。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。