PulseAugur
中
实时 02:49:37
实体 Activation-Guided GCG

Activation-Guided GCG

PulseAugur coverage of Activation-Guided GCG — every cluster mentioning Activation-Guided GCG across labs, papers, and developer communities, ranked by signal.

Show in brief
总计 · 30天
1
90 天内 1
发布 · 30天
0
90 天内 0
论文 · 30天
1
90 天内 1
层级分布 · 90 天
主题
情绪 · 30 天

1 天有情绪数据

最近 · 第 1/1 页 · 共 1 条
  1. TOOL · CL_139618 ·

    新研究探测并突破了大型语言模型的安全机制

    研究人员开发了新的方法来探测并可能突破大型语言模型的安全机制。通过使用激活引导的对抗性后缀，他们发现安全表征分布在整个模型中，而不是局限于某一点。引入了一种名为Soft-GCG的技术，该技术显著加快了这些攻击的优化过程。虽然较小的模型仍然容易受到攻击，但在测试的计算约束下，经过更广泛安全训练的较大模型表现出更强的抵抗力。