★ 3
LLMON 后训练法将间接提示注入成功率降至 0.02%
论文提出 LLMON（LLM Object Notation）后训练方法，强制区分可执行指令与被动数据并要求基于标识符显式执行。基于 4.6B token 结构化语料对 Granite-4.1 3B/8B 做监督微调加强化学习，间接提示注入攻击成功率从 53-100% 降至 0.02-5.6%，且…
arXiv cs.AI3 天前
共 1 篇相关资讯，按重要度与时间排序，每 3 小时更新。
论文提出 LLMON（LLM Object Notation）后训练方法，强制区分可执行指令与被动数据并要求基于标识符显式执行。基于 4.6B token 结构化语料对 Granite-4.1 3B/8B 做监督微调加强化学习，间接提示注入攻击成功率从 53-100% 降至 0.02-5.6%，且…