跳到正文
arXiv · ML· Narek Maloyan·· 2026-10-05AI 评分26

评估与改进大语言模型对输入序列变异的鲁棒性

Evaluating and Improving the Robustness of Large Language Models to Input Sequence Variations

AI 导读

该博士论文提出 R_stab(f) 生成鲁棒性指标及 ASA 自适应进化黑盒攻击,ASA 攻击成功率达 73.8%。 针对 LLM-as-a-Judge 系统,5-7 个异构模型委员会将 Gemma-3-4B 的攻击成功率降低 47-55 个百分点至 19.3%。 该方法已集成至 JudgeGuard 和 TrojanArmor 软件套件及 MCPSec 模块中。

来源:arXiv · ML · arxiv.org