实体
Llama Guard 3
Llama Guard 3
PulseAugur coverage of Llama Guard 3 — every cluster mentioning Llama Guard 3 across labs, papers, and developer communities, ranked by signal.
总计 · 30天
2
90 天内 2
发布 · 30天
0
90 天内 0
论文 · 30天
2
90 天内 2
层级分布 · 90 天
情绪 · 30 天
2 天有情绪数据
最近 · 第 1/1 页 · 共 2 条
-
新框架识别AI聊天机器人中老年人特有的风险
研究人员开发了GrandGuard，一个旨在解决老年用户与AI聊天机器人交互时特定安全问题的框架。该框架包含一个包含50种风险类型的分类法，涵盖心理健康、财务、医疗、毒性和隐私领域，这些风险类型基于现实世界的事件和利益相关者研究。一个包含超过10,000个提示和响应的基准测试显示，领先的LLM在超过一半的情况下未能处理这些老年人特有的风险。为缓解这些问题，实施了两项保障措施，在检测不安全提示方面取得了高准确率。
-
大型语言模型注入检测器在领域伪装攻击下失效
一项新的研究论文揭示了当前大型语言模型（LLM）安全系统的一个重大漏洞，称为伪装检测差距。当恶意注入的载荷被改写以模仿目标文档的领域特定语言和结构时，就会出现这种差距，导致标准检测器失效。例如，Llama 3.1 8B 的检测率从 93.8% 下降到 9.7%，Gemini 2.0 Flash 的检测率从 100% 下降到 55.6%，而专门的分类器 Llama Guard 3 则未能捕获任何伪装的载荷。此外，旨在作为防御手段的多代理…