Tianshuo Cong

Este estudo analisa métodos de marca d'água para texto gerado por máquinas e a eficácia deles contra ataques de remoção.

Examine vários ataques de jailbreak em modelos de linguagem e suas defesas.

A pesquisa destaca métodos para detectar ataques de backdoor em ajustes de modelos de linguagem.

Descubra como ataques de backdoor colocam em risco a segurança dos modelos de linguagem movidos por IA.