Xinlei He

Las GNNs inductivas enfrentan amenazas a la privacidad por ataques de robo de enlaces.

Un método para predecir respuestas no factuales de modelos de lenguaje antes de que generen respuestas.

Este estudio examina los métodos de marca de agua para texto generado por máquinas y su efectividad contra ataques de eliminación.

Examina varios ataques de jailbreak en modelos de lenguaje y sus defensas.

Explorando los riesgos de privacidad en el modelado de imágenes enmascaradas y sus implicaciones.

ADC simplifica la creación de datasets, mejorando la velocidad y precisión en el aprendizaje automático.

La investigación destaca métodos para detectar ataques de puerta trasera en el ajuste fino de modelos de lenguaje.

Los métodos innovadores buscan mejorar los modelos de lenguaje de IA, asegurando al mismo tiempo seguridad y eficiencia.

Descubre cómo el aprendizaje federado protege tus datos mientras mejora la tecnología.

Descubre cómo los ataques de puerta trasera desafían la seguridad de los modelos de lenguaje impulsados por IA.