arXiv · AI· Zhiwei Xu, Xuyang Liu, Xiaolin Peng, Weixian Deng, Jiabao Gao, Zirui Li, Tian Qiu, Boya Zhou, Wei Jiao, Hai Wan, Xibin Zhao·· 24 天前AI 评分26
TrustJev: 在基于LLM的决策中分离策略权威性与不可信证据
TrustJev: Separating Policy Authority from Untrusted Evidence in LLM-Based Decisions
AI 导读
TrustJev框架结合受保护策略评分与有界证据修正,在认证、指令层级和授权规则三个数据集上取得最高平均Balance。 0.6B模型在所有测试场景中超越最强基线0.57至1.05个百分点,在授权基准中准确识别95.77%的源头攻击。 该方案在保持推断内存和中位延迟相当的同时,将额外计算开销主要限制在训练阶段。
来源:arXiv · AI · arxiv.org