Layered Self-Exposure and Patching: Mitigating Affirmative Markers Against Jailbreak Attack Defenses
原文英文，约100词，阅读约需1分钟。
📝
内容提要
本研究提出Layer-AdvPatcher方法，通过自增强数据集修复大型语言模型的易受攻击层，降低越狱攻击成功率，同时保持模型对安全查询的响应能力。
🏷️
