研究人员推出了一种名为GuardAgent的新型框架,旨在检测基于大型语言模型(LLM)的推荐系统中的对抗性推广。与传统方法不同,GuardAgent采用了一个涉及感知、行动、反思和记忆的持续学习循环,以适应不断变化的威胁模式。这种代理方法旨在为操纵企图提供更强大、更具可解释性的检测,随着LLM驱动的推荐日益普及,这些企图变得越来越可行。 AI
影响 通过提供一种新颖的对抗性推广检测框架,增强了LLM驱动的推荐系统的可信度和适应性。
排序理由 介绍LLM推荐系统新框架的研究论文。[lever_c_demoted from research: ic=1 ai=1.0]
在 arXiv cs.IR (Information Retrieval) 阅读 →
- arXiv
- CatalyzeX Code Finder for Papers
- Connected Papers
- CORE Recommender
- DagsHub
- Gotit.pub
- GuardAgent
- Hugging Face
- Influence Flower
- Litmaps
- LLM-Based Recommendation
- Recommender Systems
- 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 →