PulseAugur
中
实时 13:06:26
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
0
90 天内 1
发布 · 30天
0
90 天内 0
论文 · 30天
0
90 天内 1
层级分布 · 90 天
主题
最近 · 第 1/1 页 · 共 1 条
  1. RESEARCH · CL_70407 ·

    同人小说子类型用于越狱对齐的LLM

    研究人员开发了一种新颖的越狱技术，用于对齐大型语言模型，该技术利用了同人小说子类型。该方法使用来自十二个不同Archive of Our Own (AO3) 子类型的段落来嵌入有害行为，绕过传统防御。该攻击将八个LLM的攻击成功率（ASR）从0.278显著提高到0.731，表明其有效性源于写作风格而非提示结构。提出的防御措施被发现无效，这表明需要转向基于语域的攻击。