跳到正文
10月8日 · 周四

欺骗与谋划 · 论文

找到 1 篇
筛选2

攻击类型

模型篡改1

模型自身风险

欺骗与谋划1

防御类型

模型加固1

影响

监督失效1

系统形态

模型与 API1

攻击者权限

白盒1

攻击面/入口

训练数据1权重与梯度1

层

模型层1应用层0训练与数据层1

系统组件

推理链1微调与开源权重1

被测模型厂商

其他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 10 篇还没打标签，不在筛选结果里。
层：应用层层：训练与数据层话题：欺骗与谋划清除全部

另有 10 篇论文还没打上分类标签，暂不在筛选结果里。

  1. 防御arXiv 2609.38909

    Purdue 提出 Pact：将欺骗作为行为遗忘

    提出 PACT，遗忘压力触发的条件性欺骗并保留上下文理解

    arXiv
    2609.38909
    发表
    层
    训练与数据层
    场景
    模型与 API
    攻击者
    白盒
    测试
    DeepSeek-R1-Distill-Qwen-32B、QwQ-32B

    摘要论文将大模型欺骗形式化为上下文条件行为，提出 PACT 框架在消除欺骗的同时保留了上下文遵循能力。

    深度解读完整解读
已经到底了