Papers with Code 아카이브
Adversarial Robustness
태스크의 하위 분류와 논문·코드·평가·기법·데이터셋을 탐색하세요.
- 하위 태스크
- 0
- 평가표
- 7
- 보존된 평가 기록
- 33
Adversarial Robustness evaluates the vulnerabilities of machine learning models under various types of adversarial attacks.
논문
이 태스크와 하위 분야의 관련 논문입니다. 실제 성능 비교는 평가 결과에서 확인하세요.
리더보드를 넘어서: 대규모 언어 모델 에이전트의 도구 사용, 계획 및 추론 실패에 대한 종합 연구
거부를 넘어서: 취약점 분석을 위한 정렬 및 어블리터레이티드 LLM의 동일 계보 연구
강건한 분산 학습을 위한 엄밀한 안정성 경계: 비잔틴 장애는 데이터 포이즈닝보다 일반화를 더 저해한다
신경망의 빠른 SDP 인증: 대규모 다중 클래스 데이터셋을 향하여
강건성과 불확실성의 만남: 강건한 선택적 분류를 위한 증거적 적대적 학습
Adversarial LassoNet: 안정성 기반 희소 학습을 통한 강건한 특징 선택
그래프 신경망에 대한 블랙박스 노드 주입 공격을 위한 타깃 인식 상호작용 유도 강화학습
비표적 적대적 공격을 위한 이진 반복 방법
적대적으로 오염된 그래프에서의 능동 학습
대규모 언어 모델은 유해성과 거부를 별도로 인코딩한다
RAG에서의 다형적 시빌 포이즈닝에 대한 실패 모드 벤치마크
MIRAGE: 허위정보 오염에 대한 장문형 RAG 방어
대규모 비전-언어 모델 탈옥을 위한 정보 과부하 공격
텍스트를 부분 제약으로: 강건한 비전-언어 학습을 위한 핵심-잔차 정렬
CLIP을 활용한 뇌 디코딩 재고: 적대적 강건성의 역할
적대적 로드 트립을 통한 지오로컬라이제이션 방어
미세조정과 강화학습을 통한 강건한 비지도 도메인 적응을 향한 연구
의료 이미지 분류에서의 확률적 강건성
텍스처 속 숨겨진 흔적: 크로스 패러다임 AI 생성 이미지 탐지를 위한 텍스처-관계 단서
모든 거부가 동등하지 않다: 안전성 정렬이 대규모 사이버보안에서 실패하는 방식
대형 비전-언어 모델의 클라우드-엣지 추론에 대한 비전 토큰 조작 공격
TIER: 멤버십 프라이버시를 위한 궤적 불변 설명 정규화
에이전트 제어를 위한 생물학적 모티프
Agentic SABRE: 적응형 랜섬웨어 탐지를 위한 불확실성 인식 신경-기호 다중 에이전트 프레임워크
통제된 개별화: 에이전트의 학습과 권한을 암호학적으로 분리하기
Psychological Steering in LLMs: An Evaluation of Effectiveness and Trustworthiness
Safeguarding LLM Agents from Misalignment through Provenance Analysis
Breaking Safety at the Token Boundary: How BPE Tokenization Creates Exploitable Gaps in LLM Alignment
Robust for the Wrong Reasons: The Representational Geometry of LLM Robustness to Science Skepticism
OpenSafeIntent: Evaluating Intent-Calibrated Safe Completion Across Dual-Use Prompt Sets
HaloGuard 1.0: An Open Weights Constitutional Classifier for Multilingual AI Safety
LACUNA: 대규모 언어 모델 언러닝을 위한 로컬라이제이션 정밀도 평가 테스트베드
Behind the Refusal: Determining Guardrail Activation via Behavioral Monitoring
Criticality-Based Guard Rail Validation for AI Agent Decisions in Autonomous Telecom Networks
Online Safety Monitoring for LLMs
출처: Papers with Code · CC BY-SA 4.0. 아카이브 자료와 새로 수집한 논문은 별도로 관리합니다.