DNAlign：大语言模型动态零空间安全对齐框架

DNAlign 是一种面向大语言模型（LLM）的轻量级安全对齐框架，结合控制论优化与零空间投影引导模型安全生成。该框架将受控扰动限制在有害相关子空间中，并利用人类偏好训练的价值函数自适应调节控制信号，在抑制有害内容的同时保护通用知识。在多个 LLM 基座上的测试表明其综合表现优于以往基线且不牺牲生成多样性，代码已开源。