一句话看懂：研究人员发布了一种名为 Locket 的技术，允许在 LLM 中“锁定”特定能力（如数学、编程），实现按功能付费访问，为 LLM 的细粒度商业化授权提供了新思路。
事件核心：发生了什么
由研究者 Lipeng He、Vasisht Duddu 和 N. Asokan 提出的 Locket 技术，已在 ACL 2026 会议上发表。该技术通过“特征锁定”（Feature-Locking）适配器，对 DeepSeek-Math-7B 模型实现了数学、编程、文本摘要和多语言问答四个特征的独立控制。项目代码已在 GitHub 开源，基于此训练的适配器也已上传至 Hugging Face。Locket 的核心机制是 LAT（Locking Adapter Training）方法，通过生成对抗扰动来训练专门的 LoRA 适配器，当特定任务输入出现时才触发模型能力，否则模型在该能力上表现退化。
为什么重要
目前主流 LLM 服务普遍采用按 API 调用次数或订阅制收费，但模型内部各项能力是混在一起的。Locket 实现了特征级别的访问控制，意味着未来模型开发者可以像“功能解锁”一样，对同一基础模型的不同能力（如只开放翻译但不开放编程）分别定价或授权。这对 AI 商业化是一个潜在的范式变化，尤其是在模型即服务（MaaS）领域。同时，该研究也验证了这种锁定策略在面临多种攻击手段（如 Many-shot、GCG、AutoDAN-Turbo）时仍具有一定鲁棒性，说明该方向的可行性。目前提供开源代码和预训练适配器，开发者可以直接上手测试。
对用户/开发者/创作者的影响
对于开发者而言，Locket 提供了实验性的工具来构建“能力闭锁”的模型服务。如果技术成熟，应用开发者可以设计更灵活的付费方案，例如：用户只需为常用的数学推理功能付费，而无需购买整个模型的全部能力。对于部署私有模型的团队，这项技术可能帮助在共享算力环境下防止模型能力被滥用或未授权使用。对创作者和普通用户来说，未来可能出现按需解锁特定模型功能的轻量级应用，降低使用门槛。不过目前该技术仍处于学术研究阶段，具体落地效果和安全性还需更多测试。
AI 工具推荐
想把多个 AI 模型放在一个入口？
GamsGo AI 集成 ChatGPT、DeepSeek、Gemini、Claude、Midjourney、Veo 等常用模型，适合写作、绘图、视频和日常 AI 工作流。
推广链接：通过此链接购买，我可能获得佣金，不影响你的价格。
值得关注的后续
第一，Locket 目前仅对特定模型（DeepSeek-Math-7B）进行了验证，能否扩展到更大模型（如 70B 或闭源模型）是重要观察点。第二，该技术的解锁恢复率在不同攻击方法下表现不一，其鲁棒性改进版本是否会快速跟进。第三，是否会有云服务商（如 Lambda、AWS）基于 Locket 推出特征级收费的测试 API 服务，将直接影响该技术的商业化进程。
来源：github.com
