arXiv cs.AI / cs.LG 最新· Ali Al-Lawati·· 13 小时前AI 评分53
扩散语言模型替换随机映射，黑盒攻击提示词字符级困惑度降到 3–5
Diffusion Language Models for Perplexity-Aware Black-Box Attacks
AI 导读
论文把连续潜空间的黑盒攻击框架直接接到连续扩散语言模型（dLLM）上，用学到的语言分布替换随机映射，用来寻找能触发过度思考等行为的提示词，同时保留标准高斯潜变量和原有的采样、优化流程。评测中 RareTrap 采样式估计的字符级困惑度从 10³–10⁷ 降到 3–5，ThinkTrap 优化式搜索从 20–28 降到 4.3–5.4，且两种映射给出的模型风险估计可相差一个数量级。
标题与摘要由 AI 辅助生成，事实与观点以原文为准。
来源：arXiv cs.AI / cs.LG 最新 · arxiv.org
本站标题、摘要与推荐理由由 AI 辅助生成；原文版权归来源所有。