PulseAugur
中
实时 10:23:43
实体 Archive of Our Own (AO3)

Archive of Our Own (AO3)

PulseAugur coverage of Archive of Our Own (AO3) — every cluster mentioning Archive of Our Own (AO3) 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_70407 ·

    同人小说子类型被用作已对齐大语言模型的通用越狱方式

    研究人员开发了一种新颖的越狱技术，用于已对齐的大语言模型，通过利用同人小说子类型。该方法使用来自十二个不同 Archive of Our Own (AO3) 子类型的段落，将有害内容嵌入创意写作场景中，绕过传统的基于提示的防御。该攻击显著提高了引发有害响应的成功率，表明安全训练未能充分覆盖某些自然语言语域。此外，提出的四轮扩展 SAGA-A4 进一步增强了攻击的有效性。