英国 AISI 梳理开源权重模型风险管理工具包

2026年10月7日，英国 AI Security Institute（AISI）在其博客发布文章，梳理开源权重模型的风险监测与缓解工具包，将相关策略分为模型层、脚手架层和流程层三类。文章提到，AISI 与 EleutherAI、牛津大学的合作研究发现，从训练数据中移除有害内容，抵抗对抗性微调的效果比训练后加防护高出10倍以上，且不带来明显性能损失。这是该事件目前唯一一篇报道，尚无后续跟进或相互矛盾的说法。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。