语言大模型 / LLM

Stop Testing Attacks, Start Diagnosing Defenses: The Four-Checkpoint Framework Reveals Where LLM Safety Breaks

停止测试攻击，开始诊断防御：四检查点框架揭示LLM安全为何破裂

Hayfa Dhahbi, Kashyap Thimmaraju

机构 * Technische Universität Berlin（柏林技术大学） 纠错

专题命中 评测与基准 ：LLM(title,title_cn)；large language model(abstract)；language model(abstract)；分类 cs.AI

AI总结 本文提出四检查点框架，通过输入输出阶段和检测级别两个维度分析LLM安全机制，揭示防御漏洞所在及原因，提出WASR指标评估安全性能。

Comments 17 pages, pre-print