PulseAugur
中
实时 07:06:41
实体 style-steering vectors

style-steering vectors

PulseAugur coverage of style-steering vectors — every cluster mentioning style-steering vectors 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. TOOL · CL_360344 ·

    新型防御通过风格注入扰乱从LLM进行的知识蒸馏

    研究人员开发了一种新的、轻量级的防御知识蒸馏(KD)的方法,该方法在恶意查询期间将风格引导向量注入到教师模型的激活中。此方法旨在误导试图从大型语言模型(LLM)克隆专有能力的对手,使其看起来好像他们正在提取原始输出。该技术在对合法用户保持语义效用和流畅性的同时,以可忽略的开销显著扰乱了学生模型的学习。