AI安全

• 越狱攻击的自动化框架：自动化搜索、评估、迭代——红队自动化的最新进展 2天前 AI安全
• 缩放规律与可解释性：模型变大后，内部表征是变复杂了还是变简单了 2天前 AI安全
• 越狱即服务（JaaS）：暗网上出售的越狱提示和自动化工具 2天前 AI安全
• 自适应越狱（Adaptive Jailbreak）：根据模型返回实时调整攻击策略 3天前 AI安全
• Attention 可视化的局限性：注意力权重不等于特征重要性——为什么不能直接看 Attention Map 3天前 AI安全
• 越狱攻击的可迁移性：一个模型上成功的越狱提示，能不能用在其他模型上 4天前 AI安全
• 梯度引导的提示优化：用模型自身的梯度来搜索最有效的越狱提示 4天前 AI安全
• Token 分割攻击：把敏感词拆成多个 token，让模型不认识但人能拼出来 4天前 AI安全
• 跨模态提示注入：在图片 EXIF 数据、文档元数据中嵌入攻击指令 4天前 AI安全
• 间接提示注入（Indirect Prompt Injection）：通过网页、邮件等外部内容注入指令 4天前 AI安全

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