新框架CluCERT增强LLM鲁棒性认证

研究人员推出了CluCERT，一个旨在认证大型语言模型（LLMs）对抗对抗性攻击的鲁棒性的新框架。该方法采用聚类引导的去噪平滑技术，通过过滤掉语义上不相关的扰动来实现更严格的鲁棒性界限。CluCERT还通过一个精炼模块和一个快速同义词替换策略提高了计算效率，在界限紧密度和速度方面均优于现有的认证方法。 AI

影响 通过提供更严格的对抗攻击界限和提高计算效率来改善LLM安全性。

排序理由 该项目是一篇研究论文，详细介绍了一种新的LLM鲁棒性方法。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.AI 阅读 →

• alphaXiv
• arXiv
• CatalyzeX
• CluCERT
• DagsHub
• Gotit.pub
• Hugging Face
• IArxiv
• LLMs
• ScienceCast
• Zixia Wang

• 论文
• 安全

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →