ICLR 2026 论文引入 HyPE 基于双曲几何检测有害提示

ICLR 2026 会议论文由 Igor Maljkovic 团队发表，正式介绍了轻量级有害提示检测器 HyPE。 该研究基于双曲几何表示文本提示的层级结构，通过仅学习安全提示词特征来识别 NSFW 及有害内容，并在对抗攻击环境下展示了强劲的检测性能。 论文还提出了配套工具 HyPS，该工具可自动替换有害词汇。此机制旨在保留语义安全性的同时降低误报率，为提示词安全处理提供新方案。

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。