Tianshuo Cong

Questo studio analizza i metodi di watermarking per testi generati da macchine e la loro efficacia contro gli attacchi di rimozione.

Esamina vari attacchi di jailbreak sui modelli di linguaggio e le loro difese.

La ricerca mette in evidenza i metodi per rilevare attacchi backdoor nel fine-tuning dei modelli di linguaggio.

Scopri come gli attacchi backdoor mettono alla prova la sicurezza dei modelli di linguaggio basati sull'IA.