实体 HarmSig

HarmSig

PulseAugur coverage of HarmSig — every cluster mentioning HarmSig 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_307752 · Oct 19 · 04:00

新研究探讨大型语言模型越狱机制与防御方法 · 追踪 5 个来源

研究人员正在开发新的方法来理解和防御针对大型语言模型（LLM）的越狱攻击。一项题为“多轮、短视界”（Multiple Turns, Short Horizons）的研究发现，多轮越狱通常只需要原始查询历史的一半左右就能达到相同的攻击进展，这种现象被称为有效视界压缩。另一篇论文“理解和防御视觉语言模型越狱”（Understanding and Defending VLM Jailbreaks）观察到，视觉模态可以将大型语言模型的表征转移…