본 논문은 서비스형 미세조정(Fine-tuning as service)에서 대규모 언어 모델(LLM)에 도메인 특정 지식을 주입할 때 발생하는 안전성 위험을 해결하기 위해, 미세조정 안전 위험을 줄이는 Fine-Grained Safety Neurons (FGSN) with Training-Free Continual Projection 방법을 제안합니다. 기존의 안전 계층 매핑 방식의 한계를 극복하고자, 안전 계층과 미세한 뉴런 간의 다중 스케일 상호작용을 통합하여, 희소하고 정확한 미세한 안전 뉴런을 국지화하고 하위 작업 뉴런과의 간섭을 최소화합니다. 안전 뉴런 매개변수를 안전 방향으로 투영하여 모델 안전성을 향상시키고 인간 선호도와 더 잘 정렬되도록 합니다. 다양한 미세 조정된 LLM 모델에 대한 광범위한 실험을 통해, 매개변수 수정을 최소화하면서 유해성 점수와 공격 성공률을 크게 줄이고 모델의 유용성을 유지함을 보여줍니다. 또한, 작업별 다차원 이종 안전 뉴런 클러스터 최적화 메커니즘을 도입하여 예측할 수 없는 새로운 안전 문제에 대한 지속적인 방어 및 일반화 기능을 달성합니다.
