Steering in the Shadows: Causal Amplification for Activation Space Attacks in Large Language Models

Fuente: arXiv
Gespeichert in:
Bibliographische Detailangaben
Hauptverfasser: Xu, Zhiyuan, Abaimov, Stanislav, Gardiner, Joseph, Belguith, Sana
Format: Preprint
Veröffentlicht: 2025
Schlagworte:
Online-Zugang:
Tags: Tag hinzufügen
Keine Tags, Fügen Sie den ersten Tag hinzu!