Xinlei He

De nouvelles méthodes visent à lutter contre la toxicité en ligne en utilisant des techniques d'apprentissage par prompt.

Les méthodes d'adaptation en période de test font face à des vulnérabilités dues aux attaques par empoisonnement, ce qui remet en question leur efficacité.

Les GNN inductifs font face à des menaces de vie privée à cause des attaques de vol de liens.

Une méthode pour prévoir les réponses non-factuelles des modèles de langage avant qu'ils ne génèrent des réponses.

Cette étude examine les méthodes de filigrane pour les textes générés par machine et leur efficacité contre les attaques de suppression.

Examinez les différentes attaques de jailbreak sur les modèles de langage et leurs défenses.

Exploration des risques de confidentialité dans la modélisation d'images masquées et leurs implications.

ADC simplifie la création de jeux de données, améliorant la vitesse et la précision en apprentissage automatique.

La recherche met en avant des méthodes pour détecter des attaques par porte dérobée lors du fine-tuning des modèles de langage.

Des méthodes innovantes visent à améliorer les modèles de langage IA tout en garantissant sécurité et efficacité.

Découvrez comment l'apprentissage fédéré protège tes données tout en améliorant la technologie.

Découvre comment les attaques par backdoor mettent en danger la sécurité des modèles de langage alimentés par l'IA.