SafeLM 論文閱讀分析：真正讓 federated LLM 比較可信的，不是把資料分散出去而已，而是別讓隱私、對齊與亂講各自掉線
這篇 SafeLM 最值得看的，不是它又把 trustworthy AI 變成一張更大的願望清單，而是它直接承認 federated LLM 的真實問題從來不是單點風險：你不只要防梯度與更新洩漏，還要一起管 hallucination、惡意輸入與聚合被帶偏。論文的價值，在於把 privacy、security、misinformation 與 adversarial robustness 拉回同一套系統設計來看。
2026 年 4 月 22 日