Yule Liu

言語モデルに対する様々な脱獄攻撃とその防御を調べてみて。

研究は、言語モデルのファインチューニングにおけるバックドア攻撃を検出する方法を強調している。

革新的な方法は、安全性と効率を確保しながらAI言語モデルを強化することを目指してる。