大模型终于说不出脏话了，有毒子词剪枝ToxPrune，预训练+推理双重防线

港中文/FaceMind团队提出ToxPrune方法，通过在推理阶段从BPE词表中物理剪枝有毒子词，实现零训练、零权重修改的大模型毒性抑制；在NSFW-3B模型上毒性评分从0.89降至0.13，同时提升语言质量与多样性；该方法与Radford团队的预训练级Token过滤形成互补，构成AI安全纵深防御体系。