扩散语言模型改造黑盒攻击，困惑度大降

Ali Al-Lawati等作者发表论文，将连续隐空间黑盒攻击框架直接耦合到连续扩散语言模型（dLLM），用学习到的语言生成分布替代随机映射，同时保留标准高斯隐空间与采样/优化流程。 作者报告，在RareTrap采样估计下，字符级困惑度从10^3–10^7降至3–5；在ThinkTrap优化搜索下，从20–28降至4.3–5.4。两种映射下模型风险估计可相差一个数量级。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。