BriefGPT - AI 论文速递 · 2025-02-17T00:00:00Z DELMAN: Dynamic Defense Against Jailbreak Attacks on Large Language Models via Model Editing 💡 原文英文，约100词，阅读约需1分钟。 📝 内容提要 本研究提出DELMAN方法，旨在解决大型语言模型在决策应用中的越狱攻击问题。该方法通过调整少量参数实现动态防护，同时保持模型性能，实验结果表明其有效应对新攻击实例。 🏷️ 标签 DELMAN model models 动态防护 大型语言模型 模型性能 越狱攻击 阅读原文 生成长图 分享链接 已复制链接
