J-Anchor：免训练防御预填充越狱攻击
热点事件持续更新
J-Anchor：免训练防御预填充越狱攻击
1 篇报道1 个报道来源10 小时前更新
先了解这件事
AI 综述
Running Yang、Beidi Zhao、Xiaoxiao Li 提出免训练、推理时防御方法 J-Anchor，用于抵御预填充越狱攻击。其做法是以模型受攻击前的危害性和拒绝信号作为请求专属锚点，在预填充和解码阶段选择性恢复 J 空间中减弱的拒绝信号。 研究称，该方法在多种模型家族上大幅降低固定与深度预填充攻击的成功率，同时基本保留正常行为与推理能力；预填充过程中拒绝信号会逐步降至良性基线，而危害性信号仍高于基线并可被检测。
AI 根据报道生成 · 5 小时前更新
最新进展11月3日 13:00
J-Anchor：用 J 空间选择性拒绝恢复防御预填充攻击报道时间线
沿着报道，了解事件的不同侧面。
11月3日
- arXiv · cs.AIJ-Anchor：用 J 空间选择性拒绝恢复防御预填充攻击
研究提出免训练推理时防御方法 J-Anchor，利用模型受攻击前的危害性与拒绝信号作为请求专属锚点，在预填充和解码阶段选择性恢复 J 空间中减弱的拒绝信号。该方法在多种模型家族上大幅降低固定与深度预填充攻击的成功率，同时基本保留正常行为与推理能力。研究还发现预填充过程中拒绝信号会逐步降至良性基线，而危害性信号仍高于基线并可被检测。
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。