Benign Samples Matter：100 个良性离群样本，为什么会破坏大模型安全对齐？
ICML 2025 论文解读：Self-Inf-N 用自影响与回答长度筛选良性离群样本。拆解训练权限、100 样本实验、迁移与防御，区分有害性评分和攻击成功率。
Research · Ideas · Understanding
分类： <span>AI安全</span>
深度阅读 AI 论文，记录音频安全、Agent、推理与多模态研究中的问题、方法和证据。
Paper Insights
Research · Ideas · Understanding
深度阅读 AI 论文，记录音频安全、Agent、推理与多模态研究中的问题、方法和证据。
Paper Insights
ICML 2025 论文解读：Self-Inf-N 用自影响与回答长度筛选良性离群样本。拆解训练权限、100 样本实验、迁移与防御，区分有害性评分和攻击成功率。