本研究提出了一种利用自然语言解释作为模型无关的防御策略，通过分类器微调提高模型鲁棒性。同时，探讨了语言生成指标与人类感知的相关性，为解释提供验证标准。

利用解释增强自然语言推理中的对抗鲁棒性
BriefGPT - AI 论文速递
BriefGPT - AI 论文速递 ·
👤 个人中心
在公众号发送验证码完成验证