arXiv cs.CL· Yisong Xiao, Benlei Cui, Haiwen Hong, Shiji Zhao, Zonghao Ying, Yaoyuan Zhang, Longtao Huang, Aishan Liu, Hui Xue, Ting Ma, Xianglong Liu·· 5 小时前AI 评分27
PASP：用感知感知对抗自博弈提升 LLM 对隐蔽有害内容的理解
Hidden in Plain Sight: Advancing Harmful Content Understanding via Perception-Aware Adversarial Self-Play
AI 导读
针对 LLM 难以识别人为伪装的有害内容，研究者提出 PASP（Perception-Aware Adversarial Self-Play），通过构建文本、语音、视觉多感知视图并结合对抗自博弈，让攻击方生成保留意图的规避表达、防御方以意图不变性奖励训练。
来源：arXiv cs.CL · arxiv.org