10月9日 · 周五

全部论文

找到 2 篇

筛选3

攻击类型

越狱5 投毒与后门2 模型篡改2 提取与窃取5 检测规避1 恶意使用2

防御类型

检测与过滤1 水印与溯源1

影响

系统形态

攻击面/入口

层

提示层1 模型层1 应用层6 训练与数据层1

系统组件

护栏与评审1 图像生成1 多模态1

同一类里任选其一，不同类之间同时满足；数字是加上其他已选条件后的篇数。另有 429 篇还没打标签，不在筛选结果里。

攻击类型：恶意使用层：模型层层：训练与数据层清除全部

另有 429 篇论文还没打上分类标签，暂不在筛选结果里。

评测与基准arXiv 2610.0650310月5日
研究评测五款开源文生图模型的有害内容生成与审核缺口
评测文生图模型的有害内容生成能力与审核检测缺口
arXiv
2610.06503
发表
10月5日
层
模型层
场景
模型与 API
- 防御检测与过滤
- 攻击恶意使用
- 组件图像生成
深度解读完整解读
评测与基准arXiv 2608.290308月29日
研究者提出自蒸馏方法让 LLM 遵循上下文水印指令
提出 SDLP 与 GRPO，训练模型遵循上下文水印指令
arXiv
2608.29030
发表
8月29日
层
训练与数据层
场景
模型与 API
- 防御水印与溯源
- 攻击恶意使用
深度解读完整解读

已经到底了