本研究提出DELMAN方法，旨在解决大型语言模型在决策应用中的越狱攻击问题。该方法通过调整少量参数实现动态防护，同时保持模型性能，实验结果表明其有效应对新攻击实例。

DELMAN：利用模型编辑动态防御大型语言模型越狱攻击
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