AI新漏洞：'双言'攻击劫持语言模型表示
研究团队提出了一种针对大型语言模型（LLMs）的新型攻击方法’Doublespeak’。该攻击通过在上下文示例中系统地将有害关键词（如’炸弹’）替换为无害标记（如’胡萝卜̵...
标签索引
安全攻击
这个标签下有 1 篇文章。按时间回看相关判断与实践记录。
标签精选
标签索引
这个标签下有 1 篇文章。按时间回看相关判断与实践记录。
标签精选
研究团队提出了一种针对大型语言模型（LLMs）的新型攻击方法’Doublespeak’。该攻击通过在上下文示例中系统地将有害关键词（如’炸弹’）替换为无害标记（如’胡萝卜̵...