ensemble adversarial training

Определение

Метод защиты LLM от градиентных атак, при котором модель обучается на атаках, сгенерированных несколькими различными моделями, для повышения устойчивости.

Где встречается

• 355. Как вы защищаете LLM от градиентных атак (white-box jailbreak)

Навигация

• Индекс терминов
• Индекс разборов
• Оглавление