Безопасность ИИ
Фундаментальная уязвимость: все градиентные атаки на LLM бьют в одну точку
Исследование показало, что разнообразные методы взлома языковых моделей, такие как GCG и AutoDAN, нацелены на единый внутренний вектор отказа, ставя под сомнение…