[논문리뷰] Follow the Gradient: Tracing Safety Degradation Back to Training Data본 논문은 LLM fine-tuning 과정에서 겉보기엔 무해한(benign) 데이터가 어떻게 모델의 안전성을 은밀하게 저해하는지를 규명하고, 이를 방지하는 데이터 선택 문제를 해결합니다.#Review#Large Language Models#Safety Degradation#Gradient Attribution#Fine-tuning#Emergent Misalignment#Data Selection#SimpleLoRIF#SafeTulu2026년 11월 1일댓글 수 로딩 중