Skip to content

Translation in progress Some entries still include text in the original language.

Oct 12 · Monday

All papers

Found 11 papers
Filter2
Select any value within a category; different categories must all match. Counts include the other filters you have selected.Another 305papers have no tags yet and are not included in filtered results.

Another 305papers do not have category tags yet and are not included in filtered results.

  1. AttacksarXiv 2609.01325

    VerTox:用可验证奖励引导的强化学习对神经排序模型实施语料投毒

    提出 VerTox,用可验证奖励强化学习生成误导文档并投毒检索语料

    Published
    Evaluated models
    SimLM-base, BGE-base, Cohere-embed-english-v3.0 and others8
    AbstractVerTox 以可验证奖励微调小 LLM,生成能抬高排序并腐蚀事实的投毒文档。

    VerTox 用可验证奖励把小 LLM 微调成语料投毒生成器,用来探测神经排序器在注入文档下的暴露面。

    Paper analysisRead analysis
  2. AttacksarXiv 2606.13044

    研究者提出对抗性重新包装:不改科学内容仅调整表述即可拉高 AI 审稿分数

    提出对抗重构,仅改表述以拉高 AI 审稿分数

    Published
    Evaluated models
    Claude Sonnet 4, Claude Sonnet 4.5, GPT-5-mini

    Abstract揭示 AI 审稿系统易受纯表述重构操纵,建议在部署前解耦科学与写作评价。

    Paper analysisRead analysis
  3. AttacksarXiv 2606.01212

    DiscourseFlip:针对黑盒 RAG 的话语级观点操纵攻击

    提出 DiscourseFlip,用有限文档投毒操纵黑盒 RAG 的话语级观点

    Published
    Evaluated models
    Llama3.1-8B-Instruct, Qwen3-8B-Instruct, BGE and others5
    AbstractDiscourseFlip 按语义图分配投毒预算。

    DiscourseFlip 是针对黑盒 RAG 的话语级观点操纵。作者要处理的缺口是:只打单条查询或主题局部查询时,覆盖窄,目标受审查时容易被隔离,也难沿相关话题传播。攻击者不能看检索器或 LLM 内部,也不能改提示词模板,只能在文档数、生成 token 和 SEO 编辑距离限制下注入少量文档。

    Paper analysisRead analysis
  4. AttacksarXiv 2605.26156

    BITE:用上下文赌博机操纵风格偏置攻击 LLM 评委

    提出 BITE,用上下文赌博机选择风格修改抬高 LLM 评委打分

    Published
    Attacker
    Black-box
    Evaluated models
    o3-mini, Gemini-2.5-Flash, Llama-3.3-70B-Instruct and others8
    AbstractBITE 用黑盒赌博机利用风格偏差抬分,作者称这对 LLM-as-a-judge 构成威胁。

    BITE 是黑盒风格操纵:在保持答案语义的同时,抬高 LLM 评审给出的分数。

    Paper analysisRead analysis
  5. AttacksarXiv 2602.06616

    Confundo: Learning to Generate Robust Poisoning Content for Real RAG Systems

    提出 Confundo,微调投毒生成器为 RAG 生成抗分块的鲁棒投毒内容

    Published
    Evaluated models
    Qwen3-8b, Llama3-8b, DeepSeek and others8
    AbstractConfundo 用微调生成器做 RAG 投毒,作者报告事实、观点和幻觉三类目标上的攻击结果。

    Confundo 把 RAG 投毒做成微调:小模型按目标问题生成短毒文,再放进会被知识库摄入的文档。它针对的是实际系统会切块、用户也不会照抄预设问句,专用投毒因而变弱。攻击者没有目标系统的内部知识,也不能查询它,只能准备待摄入文档。

    Paper analysisRead analysis
  6. AttacksarXiv 2601.06884

    研究者提出改写式对抗攻击 PAA,可在不改变论文主张的情况下抬高 LLM 审稿评分

    提出保义释义攻击 PAA,抬高 LLM 审稿评分

    Published
    Evaluated models
    GPT-4o, Gemini 2.5, Sonnet 4
    AbstractPAA 用保义释义抬高 LLM 审稿分。

    PAA 是对 LLM-as-a-Reviewer 的 black-box 攻击:只改写摘要,用评审分做 ICL 搜索,并用 BERTScore 与困惑度限制语义和自然度。

    Paper analysisRead analysis
You have reached the end