热点事件持续更新

TNCS提升代码模型后门攻击数据效率

1 篇报道1 个报道来源3 小时前更新

先了解这件事

AI 综述

2026年10月26日，arXiv发布cs.AI领域新研究，提出触发词中性化反事实评分（TNCS）方法。该方法是当前唯一在所有触发词家族中均有效的后门攻击筛选方案，通过对比有触发词输入与反事实输出的评分差异来精准选择毒化样本。

AI 根据报道生成 · 2 小时前更新

最新进展10月26日 12:00

沿着报道，了解事件的不同侧面。

10月26日

12:00
arXiv · AI
提出 TNCS 以提升代码模型后门攻击的数据效率
研究提出触发词中性化反事实评分（TNCS）方法，通过对比有触发词输入与反事实输出的评分差异，精准筛选对自回归代码模型最具攻击性的后门毒化样本。该方法在极低中毒率下于 CodeXGLUE 的三项任务和五类触发词家族中均优于基线模型，且对纯净任务性能无损害。TNCS 是目前唯一对所有触发词家族均有效的方法，其筛选出的毒化样本可迁移至不匹配的受害模型。

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。