論文要約 Logit-Gap Steering：LLMの脆弱性を突く効率的なJailbreak
紹介論文今回紹介する論文はLogit-Gap Steering: Efficient Short-Suffix Jailbreaks for Aligned Large Language Modelsという論文です。 この論文を一言でまとめ...
セキュリティ
論文要約 
論文要約 LLMの防御を突破する：STACK攻撃とは？
紹介論文今回紹介する論文はSTACK: Adversarial Attacks on LLM Safeguard Pipelinesという論文です。 この論文を一言でまとめると本論文では、大規模言語モデル(LLM)の安全性を脅かす新たな攻撃...
論文要約 PhantomHunter： 見えざるLLM生成 テキストの検出
紹介論文今回紹介する論文はPhantomHunter: Detecting Unseen Privately-Tuned LLM-Generated Text via Family-Aware Learningという論文です。 この論文を一...