AI安全

• LLaMA Guard：Meta 开源的安全分类模型——训练数据、架构和性能 1天前 AI安全
• NeMo Guardrails 框架：NVIDIA 的对话安全控制框架——怎么配置和使用 1天前 AI安全
• 困惑度（Perplexity）异常检测：越狱提示通常有异常高的困惑度——能用来检测吗 1天前 AI安全
• 安全分类器（Safety Classifier）：训练一个专门判断内容是否安全的辅助模型 1天前 AI安全
• 输出过滤器的设计：在模型输出到达用户之前做最后一道安全检查 1天前 AI安全
• 可解释性与安全审计：可解释性如何帮助发现模型的安全漏洞 1天前 AI安全
• Integrated Gradients（积分梯度）：Shapley 值的连续版本，在大模型中怎么用 1天前 AI安全
• 输入过滤器的设计：正则表达式、关键词列表、分类器——多层过滤怎么组合 2天前 AI安全
• 越狱攻击的成功率指标设计：ASR、PASS@K——怎么科学评估越狱效果 2天前 AI安全
• Unicode 同形字攻击：用视觉相似但编码不同的字符绕过关键词过滤 2天前 AI安全

• 2 / 7
• 上一页
• 1
• 2
• 3
• 4
• 5
• 6
• 下一页