跳到正文
热点事件观察中

AnchorRep：表征排斥防御跨模型对抗迁移

1 篇报道1 个报道来源2 天前更新

先了解这件事

AI 综述

2026年11月6日，arXiv人工智能板块报道，Gal Wertheizer等作者提出并验证了AnchorRep跨模型对抗迁移防御方法。该方法通过轻量LoRA适配器，将受防御模型对有害提示的内部表征推离冻结锚点模型对同一批提示的表征，从而直接作用于表征几何。报道称，在五个模型、四个架构家族上，该方法将跨模型攻击成功率降至1.1%；训练仅使用少量有害提示，无需对抗样本。报道同时指出，现有防御虽能降低迁移，但代价高昂：最高导致77%良性输出退化，或将过度拒答率提高18%；为此作者提出Benign Garble Rate指标量化此类退化。上述数字与结论均来自该报道，尚待更多独立验证。

AI 根据报道生成 · 2 天前更新

最新进展11月6日 13:00
AnchorRep：用表征排斥防御 LLM 跨模型对抗迁移攻击

报道时间线

沿着报道，了解事件的不同侧面。

11月6日
  1. arXiv Artificial Intelligence
    AnchorRep：用表征排斥防御 LLM 跨模型对抗迁移攻击

    AnchorRep 通过轻量 LoRA 适配器将受防御模型对有害提示的内部表征推离冻结锚点模型的表征，在五个模型、四个架构家族上将跨模型攻击成功率降至 1.1%。该方法仅用少量有害提示训练，无需对抗样本。现有防御虽能降低迁移，但代价高昂：最高导致 77% 良性输出退化，或将过度拒答率提高 18%；为此作者提出 Benign Garble Rate 指标量化此类退化。

本事件热度走势

可比范围当前
3
可比范围峰值
711月7日 03:00
近 24 小时变化
-49%

趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。