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。

本文介绍了多种基于深度学习的事件抽取方法，如硬EM方法、图卷积网络和递归神经网络。这些方法在生物医学事件提取任务中表现优异，显著提升了F1得分，证明了其在触发器识别和参数提取方面的有效性。