BriefGPT - AI 论文速递 · 2025-01-20T00:00:00Z Trojan Detection in Large Language Models Through Pattern Recognition 💡 原文英文，约100词，阅读约需1分钟。 📝 内容提要 本研究探讨了大型语言模型中的特洛伊木马检测问题，提出了一种多阶段框架，结合标记过滤、触发器识别和验证，以提高检测效率和准确性。验证阶段通过语义保持提示和特殊扰动方法，有效区分真实触发器与对抗字符串。 🏷️ 标签 models 多阶段框架 大型语言模型 检测 特洛伊木马 触发器识别 阅读原文 生成长图 分享链接 已复制链接
