TrustLDM：语言扩散模型可信度评测基准
TrustLDM: Benchmarking Trustworthiness in Language Diffusion Models
AI 导读
研究者提出 TrustLDM 基准，系统评测语言扩散模型（LDM）在安全、隐私和公平性上的可信度，覆盖不同 LDM 架构和多类静态后置上下文。实验显示，LDM 仅接收用户提示时通常可信度较好，但掩码响应被附加恶意后置上下文后，对齐行为明显退化；更长上下文未必带来更强影响，解码顺序和生成长度也会影响评测结果。作者还提出 TrustLDM-Auto 自动评估框架，利用 LDM 的解码灵活性系统定位脆弱配置，发现所有受测模型在各维度均存在明显可信度弱点。代码开源于 https://github.com/PKU-ML/TrustLDM。