Latent-space adversarial training with post-aware calibration for defending large language models against jailbreak attacks

Fuente: arXiv

Enregistré dans:

Détails bibliographiques
Auteurs principaux:	Yi, Xin, Li, Yue, Shi, Dongsheng, Wang, Linlin, Wang, Xiaoling, He, Liang
Format:	Preprint
Publié:	2025
Sujets:	Cryptography and Security Computation and Language
Accès en ligne:	Acceder al recurso
Tags:	Ajouter un tag Pas de tags, Soyez le premier à ajouter un tag!

Internet

https://arxiv.org/abs/2501.10639