PulseAugur
中
实时 10:16:22
实体 Human-Perceptible Adversarial Attacks (HPAA)

Human-Perceptible Adversarial Attacks (HPAA)

PulseAugur coverage of Human-Perceptible Adversarial Attacks (HPAA) — every cluster mentioning Human-Perceptible Adversarial Attacks (HPAA) 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. RESEARCH · CL_79591 ·

    新型攻击利用大语言模型在内容审核中的盲点

    研究人员开发了一种名为“人类可感知对抗性攻击”（HPAA）的新方法，该方法利用了人类与大型语言模型（LLM）对有害内容感知的差异。通过使用诸如间距和视觉强调之类的排版操纵，这些攻击可以使有害文本对人类来说易于识别，同时又不会被基于LLM的内容审核系统检测到。在测试中，HPAA达到了86%以上的人类识别率，而审核系统的检测率不到1%，揭示了当前内容审核中的一个重大漏洞。