Bochuan Cao

Uno studio rivela l'attacco WordGame, che sfrutta le debolezze nelle misure di sicurezza degli LLM.

Un nuovo metodo migliora la comprensione dei risultati dei modelli linguistici.

Esplorando i processi di auto-correzione nei modelli di linguaggio e i loro effetti.

Nuovo metodo permette attacchi backdoor senza dati puliti o cambiamenti al modello.