Araştırma makalesi, önceden eğitilmiş modellerin orijinal performanslarını korurken etik olmayan veya yasadışı görevler için ince ayarlanmasını önlemeyi amaçlayan ince ayarlanamayan öğrenme adı verilen yeni bir öğrenme paradigmasını tanıtmaktadır. Önerilen SOPHON koruma çerçevesi, önceden eğitilmiş modellerin uygunsuz görevler için kötüye kullanılması sorununu ele alarak, kısıtlı alanlarda ince ayara direnmek için önceden eğitilmiş modelleri güçlendirir. Makale, modelin orijinal performansını korumayı amaçlayan ve kısıtlı alanlarda ince ayar yapıldığında sıfırdan eğitime kıyasla benzer veya daha fazla ek yüke neden olan sağlamlık ve ince ayar yapılamazlık hedeflerini özetlemektedir. Yazarlar, optimizasyon çerçevesini tasarlama, öngörülemeyen ince ayar stratejileri altında sağlamlığı sağlama ve kısıtlı alanlarda ince ayar bastırmanın yakınsamasını artırma zorluklarını ele almaktadır. Derin öğrenme modelleri ve kısıtlı görevler üzerinde yapılan kapsamlı deneyler, SOPHON’un etkinliğini ve sağlamlığını doğrulamaktadır; kısıtlı alanlarda ince ayar, sıfırdan eğitimle karşılaştırılabilir veya daha fazla ek yüke neden olmaktadır. Makalenin katkıları arasında ince ayar yapılamayan öğrenme önerisi, ince ayar yapılamayan bir öğrenme çerçevesinin geliştirilmesi ve bunun etkinliğini ve sağlamlığını doğrulamak için yapılan kapsamlı deneyler yer almaktadır. Belge ayrıca derin öğrenme görevleri, transfer öğrenimi ve ince ayarın temel bileşenleri hakkında arka plan bilgileri de sunmaktadır.
