When Backdoors Speak: Understanding Backdoor Attacks in Large Language Models Through Model-Generated Explanations
原文英文，约100词，阅读约需1分钟。
📝
内容提要
本研究探讨大型语言模型（LLM）在后门攻击中的安全漏洞，分析后门的功能和机制。通过比较清洁样本与污染样本的自然语言解释，发现后门模型在解释质量和一致性上存在显著差异。这些发现有助于理解LLM后门攻击机制，并为检测此类漏洞提供框架，促进更安全的LLM发展。
🏷️
