实体 AdvGRPO

AdvGRPO

PulseAugur coverage of AdvGRPO — every cluster mentioning AdvGRPO across labs, papers, and developer communities, ranked by signal.

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

RESEARCH · CL_79486 · Jun 8 · 16:21

新框架增强语言模型的自适应红队测试

研究人员开发了 AdvGRPO，一个旨在增强语言模型自适应红队测试的新型联合训练框架。该方法通过采用密集多通道奖励和解耦优势归一化来解决 GRPO 在攻击者-防御者优化中的不稳定性问题。训练过程遵循课程学习，从单轮攻击开始，然后过渡到多轮场景，最后才启动联合训练，最终产生更有效的攻击和更鲁棒的防御者。