arXiv cs.AI· Ritvij Sharma, Russell Dlugosz, Ryan Zhou, Maheep Chaudhary·· 11 小时前AI 评分29
LLM 纵深防御：评估记忆门控对激活诱导与记忆诱导谄媚的防御效果
Defense-in-Depth for LLMs: Evaluating Memory Gates Against Activation-Induced and Memory-Induced Sycophancy
AI 导读
研究提出一个 2×2 纵深防御框架，将内部激活引导与外部记忆处理分离，在 MemSyco-Bench 上评估四种开放权重模型。
来源：arXiv cs.AI · arxiv.org