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

➡️

继续阅读