Bilanz der Quelle: Ein neues Verteidigungsverfahren namens Heads of Security (HoS) fügt jedem Aufmerksamkeitskopf eines Sprachmodells ein kleines gelerntes Tor hinzu, das vertrauenswürdige von untrusted Token unterscheidet. Damit lässt sich die Erfolgsquote des Blackbox-Angriffs RL-Hammer auf Llama-3.3-70B-Instruct und GPT-OSS-20B von 97 auf 10 Prozent drücken. Allerdings kostet dieser Schutz etwa dreimal mehr Rechenzeit pro Anfrage.
🔗 Im Original weiterlesen → · 🗃 Wayback Machine (Archiv)
ℹ️ KI-Hinweis
Die Inhalte dieses Artikels wurden automatisiert mittels Künstlicher Intelligenz generiert. Die zugrundeliegenden Daten stammen von arxiv.org. Es erfolgte keine manuelle redaktionelle Bearbeitung.
Die Inhalte dieses Artikels wurden automatisiert mittels Künstlicher Intelligenz generiert. Die zugrundeliegenden Daten stammen von arxiv.org. Es erfolgte keine manuelle redaktionelle Bearbeitung.
