实体 Open-Weight LLM

Open-Weight LLM

PulseAugur coverage of Open-Weight LLM — every cluster mentioning Open-Weight LLM 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

最近 · 第 1/1 页 · 共 1 条

TOOL · CL_53861 · May 27 · 04:00

新研究：开源大模型防御易受简单越狱攻击

一篇新发表在arXiv上的论文表明，目前为保护开源大语言模型（LLMs）免遭有害使用而设计的防御措施，容易受到简单的越狱技术攻击。研究人员发现，像“擦除”（abliteration）和“预填充”（prefilling）等无需复杂优化的已知攻击，可以显著提高受保护模型上对抗性使用的成功率。为解决这一漏洞，该论文提出了一种“抗擦除微调”（ART）方法，可以集成到现有防御中，以降低这些更简单攻击的有效性。