安全算子：通过谱优化调节安全指令表达

研究提出安全算子（Safety Operator），通过谱优化调节 Transformer 模型主特征值，实现对安全指令影响力的连续控制。研究推导出带抑制权重的对比安全损失（Contrastive Safety Loss），用于平衡有害查询强化与无害查询抑制。调整该权重可映射攻击成功率与过度拒绝率的关系，实现安全指令表现的帕累托改进。