English(EN) Backdoor Containment via Expert Quarantine and Shutdown in LLMs

新的QES方法隔离大型语言模型后门，以实现更安全的部署

作者 PulseAugur 编辑部 · [1 个来源] · 2026-10-02 04:00

研究人员推出了一种名为“隔离专家关闭”（QES）的新策略，用于遏制大型语言模型中的后门。与先前阻止后门形成或在训练后净化模型的旧方法不同，QES允许后门形成，但将其隔离在指定的“专家”组件内。然后，可以在部署时通过简单操作禁用此隔离组件，从而在不重新训练或进行广泛过滤的情况下有效中和后门。实证结果表明，QES在很大程度上保留了模型的通用效用的同时，显著降低了攻击成功率。 AI

影响通过隔离和禁用后门，为大型语言模型安全引入了一种新方法，有可能提高已部署模型的安全性和可靠性。

排序理由该集群包含一篇详细介绍大型语言模型安全新方法的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.AI 阅读 →

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

本文如何被排名

Signal score: 13 / 100; Composite score across the factors below. Higher = stronger signal that this story matters right now.
Newsworthiness bucket: Tool; 该集群包含一篇详细介绍大型语言模型安全新方法的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]
Source corroboration: Single-source cluster; Only one publisher covered this so far. Single-source stories can still rank when the publisher is high-authority, but they lack cross-source corroboration.
Topics: paper, safety; Editorial topic classification. Feeds into how the story surfaces on /topic/<slug> hub pages and into the per-entity coverage mix.
AI-industry relevance: High; Clearly on-topic for AI-industry coverage.
Story freshness: Breaking (< 6h); Fresh story with cross-source coverage still developing. Ranking may shift as more sources report.

完整方法见我们的编辑标准。

报道来源 [1]

arXiv cs.AI TIER_1 English(EN) · Jianwei Li, Min-Seon Kim, Jung-Eun Kim · 2026-10-02 04:00

通过专家隔离和关闭在大型语言模型中实现后门遏制

arXiv:2610.00663v1 Announce Type: new Abstract: Backdoored large language models (LLMs) can behave normally on benign inputs while producing attacker-specified outputs under hidden triggers. Existing defenses span four stages--prior-training, in-training, post-training, and infer…

本文如何被排名

报道来源 [1]

通过专家隔离和关闭在大型语言模型中实现后门遏制

相关实体

相关话题