标签： LLM

Hugging Face Papers 收录的论文提出 SimpleLoRIF，用梯度嵌入找出“看起来无害、却会侵蚀模型安全”的微调样本；据此构建的 SafeTulu 数据集在 Qwen、Llama、Olmo 上把 GCG 攻击成功率最高降低 22%。这提示安全风险可能更多藏在训练数据的分布和组合里，而不只是…

开源 CLI 工具 Worktrunk 把 Git worktree 的切换、创建、清理简化成接近分支操作的几条命令，专门面向同时运行多个 Claude Code、Codex 等 AI agent 的场景，并已在 GitHub Trending 上获得关注。

arXiv 一篇新预印本测试了大语言模型（LLM）如何预期赌博和股票交易结果的情绪感受，发现模型在单独评价时对收益反应强于损失，与人类经典的损失厌恶方向相反，并且这种评价会随比较情境而变化。