StableJudge：LLM评审的轻量对抗防御框架
热点事件持续更新
StableJudge：LLM评审的轻量对抗防御框架
1 篇报道1 个报道来源17 小时前更新
先了解这件事
AI 综述
2026年10月15日，arXiv Artificial Intelligence 刊出论文，提出 StableJudge——一个面向 LLM-as-a-Judge 的轻量级对抗防御框架。据该报道，StableJudge 将提示注入缓解外置为可复用的评分前能力，核心是一个 0.13B 的 Sentry 模型，可在评估前定位并定向清洗被注入的文本片段，并采用对抗性演化攻击训练。该框架从裁判模型的输出分布中导出确定性的细粒度标量分数，在留出科学摘要和分布外攻击变体上提升了受攻击时的分数恢复能力，同时基本保持通用性能。报道称代码与数据将发布。目前该事件仅有这一篇主报道，尚无跟进报道，也未出现数字、时间或说法上的前后矛盾。
AI 根据报道生成 · 1 小时前更新
最新进展10月15日 12:00
StableJudge：面向 LLM-as-a-Judge 的轻量级对抗防御框架报道时间线
沿着报道，了解事件的不同侧面。
10月15日
- arXiv Artificial IntelligenceStableJudge：面向 LLM-as-a-Judge 的轻量级对抗防御框架
StableJudge 是一个轻量级防御框架，将提示注入缓解外置为可复用的评分前能力，核心是 0.13B 的 Sentry 模型，可在评估前定位并定向清洗被注入的文本片段，并采用对抗性演化攻击训练。该框架从裁判模型的输出分布中导出确定性的细粒度标量分数，在留出科学摘要和分布外攻击变体上提升了受攻击时的分数恢复能力，同时基本保持通用性能。代码与数据将发布。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。