arXiv Artificial Intelligence· Yisong Xiao, Benlei Cui, Shiji Zhao, Zonghao Ying, Yaoyuan Zhang, Longtao Huang, Aishan Liu, Hui Xue, Ting Ma, Haiwen Hong, Xianglong Liu·· 18 小时前AI 评分26
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意图，研究者提出 PASP（Perception-Aware Adversarial Self-Play），通过构建文本、语音、视觉三类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学习识别。
来源：arXiv Artificial Intelligence · arxiv.org