本研究提出了CtrlRAG，一种新型的对抗攻击方法，针对检索增强生成系统。该方法通过掩蔽语言模型动态优化恶意内容，实验结果表明其在情感操控和幻觉增强方面优于三种基线方法。同时，现有防御机制对CtrlRAG的有效性有限，强调了加强防御的必要性。

本文介绍了一种名为InfoCSE的无监督句子嵌入学习框架，通过引入掩蔽语言模型任务和设计网络来聚合句子信息，表现超越了SimCSE，成为无监督句子表示学习方法中的最新成果。

本文介绍了视觉Transformer和掩蔽的图像建模(MIM)的新趋势，提出了一种新的掩蔽策略，称为注意力引导掩蔽(AttMask)，证明了它在密集的基于蒸馏的MIM以及分类记号的普通基于蒸馏的自监督学习上比随机掩蔽效果更好。

本文介绍了视觉 Transformer 和掩蔽的图像建模在计算机视觉领域中的新趋势，提出了一种新的掩蔽策略，称为注意力引导掩蔽 (AttMask)，证明了它在密集的基于蒸馏的 MIM 以及分类记号的普通基于蒸馏的自监督学习上比随机掩蔽效果更好。