研究人员发现,大型语言模型(LLMs)的投毒攻击并不一定需要随着模型规模的增长而按比例增加恶意数据。在实验中,少量(约250份)被投毒的文档足以成功地为从6亿到130亿参数的模型植入后门。这挑战了先前关于大型模型因其规模而固有地更能抵抗此类攻击的假设。 AI
影响 突显了LLM安全方面的一个潜在漏洞,表明即使是较小的数据集也可用于损害各种规模的模型。
排序理由 详细介绍LLM投毒攻击研究结果的研究论文。[lever_c_demoted from research: ic=1 ai=1.0]
在 Mastodon — mastodon.social 阅读 →
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →