研究者提出AuthRank来源可信度评分方法
热点事件持续更新
研究者提出AuthRank来源可信度评分方法
1 篇报道1 个报道来源7 小时前更新
先了解这件事
AI 综述
Austin Jia等作者提出并发布AuthRank，一种基于引用网络计算来源可信度的评分方法，目标是提升大语言模型处理网络威胁情报流水线时的抗投毒能力。 据作者描述，该评分由显式引用、LLM推断引用和论断级蕴含三类信息构建的引用网络计算得出，并加入时间衰减和作者可信度进行增强。目前公开的是方法本身，报道未给出其在真实流水线中的抗投毒效果数据。
AI 根据报道生成 · 2 小时前更新
报道时间线
沿着报道，了解事件的不同侧面。
11月3日
- arXiv · cs.AIAuthRank：用来源可信度评分抵御 CTI 大语言模型（LLM，Large Language Model） 流水线投毒
研究者提出 AuthRank，一种基于引用网络计算来源可信度的评分方法，用于提升大语言模型（LLM，Large Language Model）处理网络威胁情报（CTI，Cyber Threat Intelligence）流水线时的抗投毒能力。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。