Tianlin Li

Une étude révèle de nouvelles techniques pour des attaques par porte dérobée sur des modèles de langage avec un impact minimal.

Cette approche améliore l’efficacité de l’entraînement des modèles à partir de grandes données graphiques tout en protégeant la vie privée.

Une nouvelle méthode pour protéger les droits individuels contre l'utilisation abusive d'images dans les animations.

Un nouveau cadre vise à révéler les biais dans les scénarios de jeu de rôle des modèles de langage.

Une base de données pour lutter contre les défauts de backdoor dans les modèles d'apprentissage profond.