论文11:39
Defending Against Harmful Supervision Hidden in Benign Samples这篇论文揭示了有害微调的新方式，提出Embedded Attack和DR-SFT，对AI安全研究者很有启发。
#Embedded Attack
共 1 条 · 7 天 0 条 · 30 天 0 条
信息流里打上「Embedded Attack」标签的资讯、产品与论文，按刊登时间排，新的在上。
6月30日
这篇论文揭示了有害微调的新方式，提出Embedded Attack和DR-SFT，对AI安全研究者很有启发。