Serangan kotak hitam berbasis RL temukan celah model bahasa
Peneliti merancang RL-ATTACK, metode serangan adversarial kotak hitam berbasis pembelajaran penguatan untuk menguji ketahanan model bahasa besar tanpa akses internal.
Peneliti merancang RL-ATTACK, metode serangan adversarial kotak hitam berbasis pembelajaran penguatan untuk menguji ketahanan model bahasa besar tanpa akses internal.