arXiv cs.AI· Jianwei Li, Jung-Eun Kim·· 4 小时前AI 评分43
用零空间投影净化 LoRA 微调 LLM 的后门
Backdoor Purification for LoRA-Tuned LLMs via Null-Space Projection
AI 导读
NeurIPS 2026 一篇论文提出用零空间投影净化 LoRA 微调后的 LLM，把后门攻击成功率（ASR）从近 100% 降到 10% 以下。该方法在每层的输入与输出通道构造正交零空间，将 LoRA 更新投影上去，无需触发器先验、干净参考数据，也不对可疑参数做事后重训练。在降低 ASR 的同时，它保留了基座模型的通用能力与适配器学到的下游技能。
来源：arXiv cs.AI · arxiv.org