#Adversarial Self-Distillation

共 1 条 · 7 天 1 条 · 30 天 1 条

AI安全 1 对抗训练 1 微调 1 模型安全 1

信息流里打上「Adversarial Self-Distillation」标签的资讯、产品与论文，按刊登时间排，新的在上。

10月30日

Adversarial Self-Distillation：一种对抗攻击下的模型安全防御方法

论文提出 ASD，用模型自己的安全行为蒸馏给被攻击时的自己，连注入合规开头都能恢复拒答，比现有防御的攻击成功率更低。

#对抗训练 #模型安全 #Adversarial Self-Distillation #微调

arXiv cs.LG@Mohammad Sadegh Akhondzadeh 等 3 人原文

Adversarial Self-Distillation 相关 AI 资讯｜AI热报