タグ: LLM脱獄

XBreakingの研究者らは、説明可能AIを用いて、7つのオープンウェイト言語モデルにまたがる安全制御を特定し、弱体化させた。その知見は、防御のための有望な技術をセキュリティ上の対立へと変えるものだ...