bi-GRPO: Bidirectional Optimization for Jailbreak Backdoor Injection on LLMs
机构 * University of Science and Technology of China(中国科学技术大学)
专题命中 越狱攻击 :jailbreak(title,abstract);RLHF(abstract);safety(abstract);分类 cs.CL、cs.AI
AI 大模型
大模型对齐、安全、越狱、红队、提示注入和可信评测。
机构 * University of Science and Technology of China(中国科学技术大学)
专题命中 越狱攻击 :jailbreak(title,abstract);RLHF(abstract);safety(abstract);分类 cs.CL、cs.AI
专题命中 越狱攻击 :alignment(abstract);safety(abstract)