Noise Injection Systemically Degrades Large Language Model Safety Guardrails
机构 * Tufts University(塔夫茨大学)
专题命中 越狱攻击 :safety(title,abstract);alignment(abstract);AI safety(abstract);分类 cs.CL、cs.AI、cs.LG
Comments 9 pages,3 figures
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 * Tufts University(塔夫茨大学)
专题命中 越狱攻击 :safety(title,abstract);alignment(abstract);AI safety(abstract);分类 cs.CL、cs.AI、cs.LG
Comments 9 pages,3 figures
机构 * Beijing Academy of Artificial Intelligence(北京人工智能研究院)
专题命中 越狱攻击 :alignment(abstract);jailbreak(abstract);分类 cs.AI
机构 * Beijing University of Posts and Telecommunications(北京邮电大学) ; Nanyang Technological University(南洋理工大学)
专题命中 越狱攻击 :safety(abstract);分类 cs.AI
专题命中 越狱攻击 :safety(abstract)