研究人员介绍GRP-Obliteration（GRP-Oblit），这是一种利用Group Relative Policy Optimization（GRPO）的技术，能够仅通过单个无标签提示词就从对齐模型中移除安全约束。这一技术可靠地解除安全对齐模型的约束，同时基本保持其实用性，在各方面均优于现有的领先模型解对齐方法。

GRP-Oblit的技术不仅适用于语言模型，还可扩展至基于扩散的图像生成系统。评估涵盖六个实用性基准测试和五个安全基准测试，测试了15个7-200亿参数的模型，包括指示模型和推理变体、密集架构和Mixture of Experts架构。测试的模型系列包括GPT-OSS、蒸馏版Deep Seek、Gemma、Llama、Ministral和Qwen。

该工作表明，安全对齐仍然容易受到最小输入攻击的威胁，这扩展了部署后解对齐的实际极限，而无需大量数据策划或显著的实用性退化。由Ahmed Salem于2026年2月5日提交。

关键实体：公司：GPT-OSS、Deep Seek、Gemma、Llama、Ministral、Qwen | 人物：Ahmed Salem