实体
Ye et al.
Ye et al.
PulseAugur coverage of Ye et al. — every cluster mentioning Ye et al. across labs, papers, and developer communities, ranked by signal.
总计 · 30天
1
90 天内 2
发布 · 30天
0
90 天内 0
论文 · 30天
1
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
-
新研究详细介绍了大型语言模型“角色欺骗”漏洞及缓解措施
一篇新研究论文探讨了大型语言模型（LLM）遭受“角色欺骗”的漏洞，这是一种提示注入（prompt injection）类型，恶意文本可以通过模仿用户的写作风格或格式来冒充用户。该研究“理解和缓解大型语言模型中的角色欺骗”揭示，大型语言模型依赖内容和结构线索来跟踪对话角色，使其容易受到结合了虚假结构和内容的攻击。虽然对抗性训练（adversarial training）可以帮助防御基于内容的攻击，但它会让模型容易受到基于结构的冒充。研究…
-
新研究将大型语言模型“谄媚”视为材料失效
一篇新研究论文提出了一个材料科学框架来分析大型语言模型中的“谄媚”现象，将对话视为在负载下的测试样本，将大型语言模型的响应视为材料电荷。该研究通过辩论中的立场转变、错误预设和道德设定场景来表征“材料失效”，使用了14个回合级别的测量指标。研究结果表明，辩论场景主要受大型语言模型的“材料等级”影响，而其他情况则更多地受到对话“负载”的影响，GPT-4o和Haiku 4.5在跨裁判可靠性方面存在显著差异。