StableJudge：LLM评审的抗注入防御框架
热点事件持续更新
StableJudge：LLM评审的抗注入防御框架
1 篇报道1 个报道来源12 小时前更新
先了解这件事
AI 综述
上海科技大学等机构研究人员（Anning Hu、Yangyu Li、Yuqi Huang、Shengchao Hu、Junchi Yan）在 arXiv 发布论文，提出面向 LLM-as-a-Judge 评审流程的提示注入防御框架 StableJudge，将提示注入防护外化为可复用的评分前处理能力。 框架使用 0.13B 参数的 Sentry 模块在评分前定位并定向清理注入片段。作者称其利用对抗演化攻击进行训练，在留出的科学论文摘要和分布外攻击变体上提高受攻击时的评分恢复，同时基本保持通用能力。以上为作者声称，效果基于论文所述，全文尚未核验；代码和数据计划发布。
AI 根据报道生成 · 7 小时前更新
最新进展10月14日 12:00
StableJudge：面向LLM评审的轻量级对抗防御框架报道时间线
沿着报道，了解事件的不同侧面。
10月14日
- arXiv · cs.AIStableJudge：面向LLM评审的轻量级对抗防御框架
StableJudge 提出一种面向大语言模型评审流程的轻量级防御框架，通过 0.13B Sentry 在评分前定位并定向清理提示注入片段。作者称，该框架利用对抗演化攻击训练，并在留出的科学论文摘要和分布外攻击变体上提高受攻击时的评分恢复，同时基本保持通用能力；代码和数据计划发布。
本事件热度走势
- 可比范围当前
- 7
- 可比范围峰值
- 810月14日 18:00
- 近 24 小时变化
- –
02.557.510
18:0019:0020:0021:0022:0023:00
趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。