Nameless Tokenization: A Lossless Tokenizer-Level Defense Against Control-Token Forgery in Open-Weight LLMs
本文针对开放权重语言模型中的控制令牌伪造问题，提出无名令牌化方法，通过保留标识符但移除表面字符串来防御伪造攻击。
0 citationsRead paper
Selected work
Representative Papers
Contextrast++: Robust Multi-Scale Contextual Contrastive Learning for Semantic Segmentation
针对语义分割中上下文捕捉及长尾分布问题，提出Contextrast++方法，通过多尺度特征融合与边界感知负采样提升性能。
0 citationsRead paper
Recent publications
Latest Papers
Nameless Tokenization: A Lossless Tokenizer-Level Defense Against Control-Token Forgery in Open-Weight LLMs
本文针对开放权重语言模型中的控制令牌伪造问题，提出无名令牌化方法，通过保留标识符但移除表面字符串来防御伪造攻击。
0 citationsRead paper
Contextrast++: Robust Multi-Scale Contextual Contrastive Learning for Semantic Segmentation
针对语义分割中上下文捕捉及长尾分布问题，提出Contextrast++方法，通过多尺度特征融合与边界感知负采样提升性能。
0 citationsRead paper