研究人员发现基于最大似然估计 (MLE) 的排名系统（如 Bradley-Terry 模型）存在重大漏洞，这类系统常用于汇总成对比较的偏好。一项新研究提出了一种自适应子集选择攻击 (ASSA)，可以有效地找到高影响力的扰动数据。在合成和真实世界选举数据上的实验表明，即使是少数战略性选民也能在最小扰动预算之外大幅改变排名，其效果优于随机和贪婪方法。 AI
影响 凸显了广泛使用的排名机制的基本敏感性，表明 AI 驱动的决策需要更鲁棒的聚合方法。
排序理由 学术论文，详细介绍了针对现有 AI 模型的新攻击方法。[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 →
