#微调攻击

研究：去除信息量无法证明开放权重模型抗篡改

论文指出，仅凭发布时的互信息无法普遍证明开放权重模型对微调攻击的抵抗力。保函数重参数化不改变信息量却改变梯度下降几何，因此不变性证书受最快可达参数化限制。作者构造出两个信息量均为零但一步梯度即可恢复的实例，说明认证还需约束攻击动态。