Bochuan Cao

Um estudo revela o ataque WordGame, explorando as fraquezas nas medidas de segurança dos LLMs.

Um método novo melhora a compreensão dos resultados dos modelos de linguagem.

Explorando os processos de autocorreção em modelos de linguagem e seus efeitos.

Novo método permite ataques de backdoor sem dados limpos ou mudanças no modelo.