标签
本文介绍了多轮经认证鲁棒性（MTCR），一个通过组合方法和安全持久性提供更紧界限来认证大型语言模型针对多轮越狱攻击安全性的框架。
本文提出了一种基于认证的自动语音识别机制，采用双门诊断流水线（Two-Sided Atomic Audit 和 Rank-Based Tournament）来提供认证鲁棒性，并在多种架构上实现了词错误率高达55%的相对降低。
本文介绍了一个面向任意时有效认证鲁棒性的元学习框架，该框架使用序列E过程自适应分配计算资源，与传统的随机平滑方法相比，样本复杂度降低了20倍，同时保持了严格的统计保证。
RRISE引入了一种学习的代理估计器，将随机平滑认证鲁棒性的蒙特卡洛采样成本降低到单次前向传播，在将每次查询多达10^4次评估替换为一次前向传播的同时，精度保持在0.84个百分点以内。