arXiv发布SecPO对抗训练论文并开源模型
热点事件观察中
arXiv发布SecPO对抗训练论文并开源模型
1 篇报道1 个报道来源1 天前更新
先了解这件事
AI 综述
2026年11月2日，Sizhe Chen等人在arXiv cs.AI领域发布论文《SecPO：针对提示注入安全的原理性对抗训练》。研究者提出SecPO损失函数，并结合高效的对抗训练管线，旨在提升大语言模型防御提示注入攻击的能力。 该研究在三个最先进（SoTA）的自适应攻击场景中进行了测试。实验结果显示，经过对抗训练后，攻击成功率（ASR）降低了1.5至14.5倍。相较于DPO方法，SecPO损失进一步将ASR降低2.4至4.6倍。团队同步开放了SecPO对抗训练方法、Qwen3.6-27B安全模型以及相关的代码与数据。
AI 根据报道生成 · 1 天前更新
最新进展11月2日 13:00
SecPO：针对提示注入安全的原理性对抗训练报道时间线
沿着报道，了解事件的不同侧面。
11月2日
- arXiv · AISecPO：针对提示注入安全的原理性对抗训练
为防御提示注入，研究者提出 SecPO 损失并结合高效对抗训练管线。在三个 SoTA 自适应攻击中，对抗训练使 ASR 降低 1.5-14.5 倍，SecPO 损失相比 DPO 进一步降低 2.4-4.6 倍。
本事件热度走势
- 可比范围当前
- 4
- 可比范围峰值
- 1011月2日 14:00
- 近 24 小时变化
- -51%
02.557.510
18:0011月3日06:0012:0018:00
趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。