Anthony Hughes

収録論文 1本 ・ フィジカルAI/ロボット学習

※arXiv著者名で収集。同姓同名の別人の論文が含まれる場合があります。

論文

• ToxScreen: LLMが毒されているかを検出する
  LLMセキュリティ2026/7/29

  敵対者が訓練データにバックドアを仕込んだLLMを検出するためのベンチマークToxScreenを構築し、勾配ベースのプロンプト最適化は失敗するが、攻撃成功率で候補をランク付けするトークン探索が有効であることを示した。