大規模言語モデル、マルチターンハラスメント攻撃にどう立ち向かうべきか？
大規模言語モデルによるオンラインハラスメント攻撃の脆弱性
査読前の可能性がある研究情報
大規模言語モデルがマルチターンのオンラインハラスメント攻撃に対して脆弱性を示す研究
速報・AI要約未精査
arXiv cs.AI
毎日更新・AIニュース考察
AI記事考察ノート
公式発表・研究プレプリント・実装コミュニティの記事を、読む前に押さえたい文脈と注意点つきで整理。
8095掲載記事
6754深堀り対応
01
絞り込み結果
条件に一致した記事を、新しい順にまとめています。 3自動化されたジャイルブレイク審判：信頼性と敵対的攻撃への脆弱性を問い直す
査読前の可能性がある研究情報
LLMのジャイルブレイク評価における自動化されたスコアリングシステムの信頼性と堅牢性を検討
速報・AI要約未精査
こんな人にAIセキュリティ研究者・LLM開発者
arXiv cs.CLRapid Responseフレームワーク：新たなセキュリティ脅威とその対策とは？
査読前の可能性がある研究情報
Rapid Responseフレームワークに対するプロンプトインジェクションによる攻撃手法が明らかに
こんな人にセキュリティ専門家・大規模言語モデル開発者
arXiv cs.CL