韩国科学技术院团队近日成功研发缓冲与强化安全微调框架，为个性化大语言模型的可靠应用提供关键技术支撑。该成果由电气工程系教授金昌熙领衔，博士生Seokil Ham担任第一作者，已入选2026年国际机器学习大会焦点展示环节。 针对个性化微调易削弱模型原有安全防线的行业难题，研究团队创新提出两阶段训练机制。微调初期引入临时缓冲模块BufferLoRA，使模型在特定状态下专注吸收业务数据，有效阻断有害信息污染；训练完成后移除该模块，随即部署ReinforceLoRA安全强化层。借助QR分解技术，系统可精准分离知识类型，在保留新职能的同时定向修复并升级安全策略。 实验数据显示，在全部输入均为有害问答的极端测试中，该框架将有害响应率压至百分之八，低于未微调原型的百分之十八。该方法无需额外安全语料即可兼顾高性能定制与行业领先的安全性，且算力开销可控。金昌熙教授表示，该技术为个人与企业安全构建定制AI奠定了基石，将有力助推可信人工智能服务生态的普及。