[논문리뷰] Resisting Harmful Instructions through Training-Free Weight Editing본 논문은 Instruction-following 언어 모델이 사용자나 시스템의 유해한 지시(예: 거짓말 유도, 차별 발언 조장)에 취약하다는 문제를 해결하고자 합니다.#Review#Weight Editing#Instruction-following#Activation Contrast#Safety Alignment#Language Models#Robustness#Training-Free2026년 10월 18일댓글 수 로딩 중