dialogue-critic

#dialogue-critic

鲁棒批评者：防御LLMs免受多轮攻击

arXiv cs.AI ↗ · 2026-07-24 缓存

本文提出对话批评者引导采样（DCGS）框架，通过从对话历史推断用户意图，并利用基于价值/遗憾的批评者对回复进行评分，在不进行微调的情况下提高鲁棒性，从而防御LLMs免受多轮对抗性攻击。

0 人收藏 0 人点赞