热点事件持续更新

AnchorRep 论文提出跨模型鲁棒性防御

1 篇报道1 个报道来源23 小时前更新

先了解这件事

AI 综述

2026年11月6日，Gal Wertheizer 等人在 arXiv 发布论文，提出 AnchorRep 框架。该方法利用轻量级 LoRA 适配器，将受防模型内部有害提示的表征推离冻结锚点模型的对应表征，通过塑造表征几何结构实现防御，无需针对特定攻击进行对抗样本训练。实验在 5 个模型及 4 类架构上进行，针对 2000 个转移攻击，该方案将跨模型攻击成功率降至 1.1% 以下，代码与配置已公开。论文指出，现有防御方法可能导致 77% 的良性输出退化或 18% 的过度拒绝，而 AnchorRep 旨在解决这一鲁棒性问题。

AI 根据报道生成 · 20 小时前更新

最新进展11月6日 13:00

AnchorRep：通过表征排斥防御 LLM 跨模型对抗迁移

报道时间线

沿着报道，了解事件的不同侧面。

11月6日

13:00
arXiv · ML
AnchorRep：通过表征排斥防御 LLM 跨模型对抗迁移
AnchorRep 利用 LoRA 适配器将有害提示表征推离冻结锚点模型，将跨模型攻击成功率降至 1.1%。在 5 个模型及 4 类架构上验证，现有防御可能导致 77% 退化良性输出或 18% 过度拒绝，该方案无需对抗样本训练。该方法表明通过塑造表征几何结构即可实现跨模型鲁棒性，无需针对特定攻击进行训练。

本事件热度走势

可比范围当前: 5
可比范围峰值: 911月6日 16:00
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。