标签
本文提出D-SCAN，一种针对RAG投毒的检测框架，通过监控语言模型生成中的注意力崩溃动态，即使在输出看似良性时，也能有效抵御对抗性攻击。
本文基于2019年至2026年的数据，识别出欧洲、格陵兰和加拿大上空的一个强大天基GNSS干扰源，该干扰源源自俄罗斯处于Molniya轨道上的早期预警卫星星座。
LaRA是一个逐层表示分析框架，通过测量模型各层的几何偏差来检测RL后训练LLM中的数据污染，优于输出级基线。