SRD-GUARD: A Defense Framework of LLMs via Semantic Rewriting and Joint Multi-Model Scoring for Latent Intent Exposure
为解决大型语言模型在面对伪装攻击时的安全问题，提出SRD-GUARD框架，通过语义重写和多模型联合评分来揭露隐藏意图。
0 citationsRead paper
Selected work
Representative Papers
Reducing Catastrophic Risk from AI with Systematic Monitoring and Evaluation of Rogue AI Progression
本文提出了一种基于行为指标的框架，用于监测和评估人工智能系统可能带来的灾难性威胁，并采用网络安全和国家安全领域的成熟方法来建立明确的度量标准。
0 citationsRead paper
Recent publications
Latest Papers
SRD-GUARD: A Defense Framework of LLMs via Semantic Rewriting and Joint Multi-Model Scoring for Latent Intent Exposure
为解决大型语言模型在面对伪装攻击时的安全问题，提出SRD-GUARD框架，通过语义重写和多模型联合评分来揭露隐藏意图。
0 citationsRead paper
Reducing Catastrophic Risk from AI with Systematic Monitoring and Evaluation of Rogue AI Progression
本文提出了一种基于行为指标的框架，用于监测和评估人工智能系统可能带来的灾难性威胁，并采用网络安全和国家安全领域的成熟方法来建立明确的度量标准。
0 citationsRead paper