SaTPO：通过转移偏好优化实现文生图安全对齐

基于摘要分析。该研究针对文生图扩散模型的安全对齐问题，提出 Safety Transition Preference Optimization（SaTPO）：将偏好优化施加于逐步去噪转移，而非仅依据最终图像进行优化，旨在抑制有害内容的同时保留正常生成能力。 其核心机制是将不安全提示及其安全改写，在共享父状态与同一噪声实现的条件下构造成紧密配对的偏好样本。作者认为，最终图像偏好会把多维生成因素压缩为粗粒度信号，而固定相同父状态可排除历史轨迹分歧，使安全调整聚焦于增量转移，并保留任务相关语义。方法还引入多尺度漂移约束与良性样本重放，以限制行为偏移；具体损失形式、尺度定义及重放策略尚未验证。作者另构建 CoProPV 数据集，摘要称其对比关系经过视觉核验，数据规模与核验流程尚未验证。 作者报告，在 Inappropriate Image Prompts 上，以 PerspectiveVision 检测不安全内容、以 AlignGuard 为对照时，Stable Diffusion v1.5 的不安全检出率由 12.70% 降至 6.00%，SDXL 由 15.04% 降至 9.30%。作者同时报告，两种模型的 FID 分别由 32.28 降至 25.95、由 36.50 降至 27.51；摘要未明确 FID 使用的样本集及计算协议，因此其适用背景仍需核对。 阅读与复现时，应重点核对安全改写如何生成、共享状态配对如何采样，以及转移偏好、多尺度约束和良性重放各自的贡献。实验协议、消融及统计信息尚未验证。该研究的主要对象是文生图安全对齐，现有材料不足以建立其与 EEG/BCI 的具体迁移路径，不应据此推断神经信号任务收益。