‹ arXiv cs.CL

RL-ATTACK:通过强化学习对语言模型进行广义黑盒对抗性攻击

原文:RL-ATTACK: A Generalized Black-Box Adversarial Attack on Language Models via Reinforcement Learning

arXiv cs.CL 突发 未缓存正文

大型语言模型 (LLM) 对对抗性扰动表现出脆弱性,可能会引发意外的响应。这些漏洞可以通过故意攻击来识别,然后用于提高模型安全性。在梯度不可访问的黑盒设置中,现有方法倾向于使用外部知识来猜测对抗性变换,忽略了信息pro

正在把原文抓到本机服务器…首次约 3~8 秒,抓好后本站永久缓存,下次秒开。

抓不到时可直接看原文(部分站点需要登录/反爬,服务器也无法抓取)。

打开原文 ↗

正文由本站服务器抓取保存(已自动过滤广告、推荐位与追踪图片),排版与原站可能不同;版权归原站所有。

相关报道同一事件 / 同分类