研究人员开发了一种新的大型语言模型隐写术方法，通过微调将秘密秘密地编码到模型输出中。这种被称为TrojanStego的技术，通过使用源自嵌入空间的映射，改进了以前的方法，显著提高了在Llama-8B、Ministral-8B和LLaMA-70B等模型中编码秘密的可恢复性。该研究还提出了一种使用机械可解释性进行检测的方法，在后层激活上使用线性探针，比传统隐写分析更准确地识别这些隐藏消息。 AI
影响 这项研究突显了LLM中一种新颖的安全漏洞，可能影响数据安全和模型完整性。
排序理由 该集群包含一篇学术论文，详细介绍了大型语言模型中隐写术和检测的新方法。[lever_c_demoted from research: ic=1 ai=1.0]
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
