实体
Man Hu
Man Hu
PulseAugur coverage of Man Hu — every cluster mentioning Man Hu 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
主题
情绪 · 30 天
1 天有情绪数据
最近 · 第 1/1 页 · 共 2 条
-
调查详细介绍了LLM中基于推理的后门攻击
一篇新发布的arXiv调查论文详细介绍了大型语言模型（LLM）中基于推理的后门攻击。该论文引入了一种新颖的分类法，将这些攻击分为关联型、被动型和主动型。它还概述了现有的防御策略，并强调了为创建更安全、更值得信赖的LLM社区所面临的挑战和未来的研究方向。
-
新的DUP框架净化语言模型免受后门攻击
研究人员开发了一个名为DUP（Detection-guided Unlearning for Purification，检测引导式遗忘净化）的新框架，以对抗语言模型中复杂的后门攻击。该方法将后门检测与遗忘机制相结合，通过分析特征级异常和层间转换来识别被投毒的输入。然后，DUP使用一种参数高效的遗忘过程来净化模型，该过程利用知识蒸馏引导模型远离后门行为，而无需完全重新训练或额外的干净模型。实验表明，DUP在各种攻击方法和语言模型架构的检…