PASP对抗自博弈提升有害意图识别
热点事件持续更新
PASP对抗自博弈提升有害意图识别
1 篇报道1 个报道来源15 小时前更新
先了解这件事
AI 综述
研究者提出PASP方法应对LLM难以识别人为伪装有害内容的问题，在两项基准测试中最多将自适应攻击成功率降低约74%。 该方法通过构建文本、语音、视觉三种视图，结合对抗自博弈来理解不断变化的规避手段。实验显示，PASP在ChineseHarm-Bench和EvoHarmBench上分别将自适应攻击成功率降低最多73.71%和74.49%，同时模型通用能力仅有极小下降。上述结果目前来自作者自己的实验验证。 该研究由Yisong Xiao等作者完成，相关论文发布在arXiv的cs.AI分类。
AI 根据报道生成 · 1 小时前更新
最新进展10月15日 12:00
PASP：用感知感知对抗自博弈提升 LLM 对有害内容的理解报道时间线
沿着报道，了解事件的不同侧面。
10月15日
- arXiv：cs.AIPASP：用感知感知对抗自博弈提升 LLM 对有害内容的理解
针对 LLM 难以识别人为伪装的有害内容，研究者提出 PASP（Perception-Aware Adversarial Self-Play），通过构建文本、语音、视觉三种视图并结合对抗自博弈来理解有害意图。实验显示，PASP 在 ChineseHarm-Bench 和 EvoHarmBench 上分别将自适应攻击成功率降低最多 73.71% 和 74.49%，且模型能力仅有极小下降。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。