Sentence-level attack

Определение

Вид adversarial-атаки на NLP-модели, при которой заменяются слова или фразы на семантически близкие альтернативы (например, с помощью BERT-Attack). Цель — ввести модель в заблуждение, изменив смысл предложения минимальными правками.

Где встречается

• 890. Как тестировать robustness LLM к adversarial inputs

Навигация

• Индекс терминов
• Индекс разборов
• Оглавление