DACE:多样性驱动对抗共演化安全对齐框架
热点事件持续更新
DACE:多样性驱动对抗共演化安全对齐框架
1 篇报道1 个报道来源4 小时前更新
先了解这件事
AI 综述
Peng Yu 等作者提出 DACE,一个多样性驱动的对抗共演化框架,同时针对攻击策略坍缩与防御方对抗遗忘两个训练病理。 据作者描述,攻击侧引入“风险类别×攻击风格”二维策略空间与归一化边际覆盖增益奖励;防御侧维护 Beta–Bernoulli 威胁后验的贝叶斯对抗回放池,按时间衰减刷新并用 Thompson sampling 采样。该框架以论文预印本形式发布,尚未见经同行评审验证的效果数据。
AI 根据报道生成 · 1 小时前更新
最新进展11月18日 13:00
DACE:面向鲁棒 LLM 安全对齐的多样性驱动对抗协同进化框架报道时间线
沿着报道,了解事件的不同侧面。
11月18日
- arXiv cs.AIDACE:面向鲁棒 LLM 安全对齐的多样性驱动对抗协同进化框架
DACE 是一个多样性驱动的对抗协同进化框架,同时针对攻击策略坍缩与防御方对抗遗忘两个训练病理。攻击侧引入“风险类别×攻击风格”二维策略空间与归一化边际覆盖增益奖励,防御侧维护 Beta–Bernoulli 威胁后验的贝叶斯对抗回放池,按时间衰减刷新并用 Thompson sampling 采样。
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。