Unelicitable Backdoors in Language Models via Cryptographic Transformer Circuits

Fuente: arXiv

Guardado en:

Detalles Bibliográficos
Autores principales:	Draguns, Andis, Gritsevskiy, Andrew, Motwani, Sumeet Ramesh, Rogers-Smith, Charlie, Ladish, Jeffrey, de Witt, Christian Schroeder
Formato:	Preprint
Publicado:	2024
Materias:	Cryptography and Security Machine Learning
Acceso en línea:	Acceder al recurso
Etiquetas:	Agregar Etiqueta Sin Etiquetas, Sea el primero en etiquetar este registro!

Internet

https://arxiv.org/abs/2406.02619