研究人员开发了一种使文本对大型语言模型不可见的方法,有效地创建了一个“跨度否决”机制,导致模型忽略特定内容。这种不可见性可用于多种目的,包括作为供应链后门或用于审计AI系统。虽然这种攻击的简单版本可以通过线性探测来检测,但更复杂的版本可以加固攻击,使其难以检测,从而在探测可见性与路由可见性之间进行权衡。 AI
影响 这项研究突显了大型语言模型潜在的漏洞,影响了AI安全和审计实践。
排序理由 详细介绍大型语言模型新技术的学术论文。[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 →