研究人员开发了一种新方法,使用开源决策模型(特别是Kev-4B)作为语言模型的检索门,以防御注入和污染攻击。这些门通过分析检索到的段落的HTML来筛选它们,显著降低了恶意指令和误导性内容的成功率。该系统在攻击成功率方面从27.9%下降到5.7%,并在干净查询上保持了高准确率,同时在污染测试环境中也有效地过滤了虚假页面。 AI
影响 通过提供强大的防御措施来抵御注入和污染攻击,从而增强了LLM的安全性。
排序理由 详细介绍LLM安全新方法的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]
在 arXiv cs.IR (Information Retrieval) 阅读 →
- alphaXiv
- arXiv
- CatalyzeX
- Connected Papers
- CORE Recommender
- DagsHub
- Gotit.pub
- Hugging Face
- Influence Flower
- Kev-4B
- Litmaps
- ScienceCast
- scite Smart Citations
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →