跳到正文
热点事件持续更新

BCA框架量化LLM有害行为

1 篇报道1 个报道来源7 小时前更新

先了解这件事

AI 综述

Parv Kapoor等作者提出边界连续分析（BCA）方法，将自回归语言模型的生成过程建模为对token前缀的随机过程，计算生成在有限时域内触及有害延续的概率。该方法弥补了仅评估采样输出的攻击成功率（ASR）指标的局限，能够量化模型内部隐藏的有害行为结构。

AI 根据报道生成 · 6 小时前更新

最新进展10月19日 12:00
拒绝不等于鲁棒性：衡量自回归语言模型中有害行为可达性

报道时间线

沿着报道，了解事件的不同侧面。

10月19日
  1. arXiv · ML
    拒绝不等于鲁棒性：衡量自回归语言模型中有害行为可达性

    提出有界延续分析（BCA）方法，通过概率模型检验计算生成过程触及有害延续的有限时域概率，弥补攻击成功率（ASR）仅评估采样输出的局限。 在 4 个指令微调大语言模型和 100 个 JailbreakBench 行为上，BCA 有效量化了隐藏有害行为，为红队测试优先处理高风险区域提供信号。

本事件热度走势

可比范围当前
8
可比范围峰值
1010月19日 13:00
近 24 小时变化
–

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。