主要来源arXiv: DeepSeek
查看原文事件专题 ·官方一手
SRD-GUARD：通过语义改写和多模型评分防御LLM
SRD-GUARD是一种无参数黑盒防御框架，通过语义改写和联合多模型评分来暴露隐藏意图。该框架在Llama-3-8B-Uncensored和DeepSeek-V4-Flash模型上测试，使用AdvBench和OR-Bench-Hard基准，平均DSR分别达到91.44%和100%，ORR为8.00%和12.00%。消融研究表明，改写能暴露隐藏有害意图，联合评分提高了评估器行为的鲁棒性。
当前结论
SRD-GUARD能更好识别伪装攻击，在Llama-3和DeepSeek模型上表现优异，比现有防御方法有更好的DSR-ORR权衡。
3 个信源73° AI 热度最后更新 2026/9/6 11:26:08
证据链
3 个信源冲突核查
现有去重数据只说明这些来源讨论同一事件，不代表立场相同。当前没有结构化的支持或反驳证据，不自动推断冲突。