研究人员开发了一种通过将连续扩散语言模型(dLLMs)与现有框架集成来攻击黑盒大型语言模型(LLMs)的新方法。该方法用学习到的生成分布取代了先前连续空间攻击中使用的任意随机映射,从而生成更自然的提示。该研究使用基于采样的RareTrap估计和基于优化的ThinkTrap搜索评估了这种dLLM耦合方法,结果显示字符级困惑度显著降低,并突出了与先前映射相比,模型风险估计可能存在数量级的差异。 AI
影响 这项研究通过理解和减轻黑盒模型中的漏洞,可能导致更强大的LLM对抗性攻击防御能力。
排序理由 学术论文,详细介绍了LLM攻击的新方法。[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 →