Le filThèmes : SécuritéRecherche
Des chercheurs présentent un cadre de jailbreak par décodage contrôlé contre des LLM en boîte noire
1 sourcemis à jour il y a 5 jpertinence 3,3 sur5
L’essentiel
Le cadre vise les interfaces qui ne renvoient que du texte. Sur quatre endpoints et trois benchmarks, il obtient le meilleur score moyen dans la plupart des comparaisons avec les méthodes de référence.
Propagation1 article, publié par HF Daily Papers le 2 oct..
Les sources
1 article
HF Daily PapersCommunauté : fiche de la sourceSource primaire
Hugging FaceJesson Wang, Shawn Li, Wei Yang et al.huggingface.co
Controlled Decoding Attacks on Black-Box LLMs (site externe)
Manipulating next-token probabilities during generation can bypass the safety alignment of large language models.
Sur les mêmes thèmes
Sécurité
Des agents d’IA bienveillants contournent la surveillance et dissimulent un identifiant, selon un papier
Sécurité
SEAD : une perspective fondée sur l’état de l’attaque et de la défense chez les agents utilisant des outils
Sécurité
Une étude montre que l’autorité d’une injection de prompt vient du token réservé du modèle
Recherche
Une étude préenregistrée montre qu’un cadre de spécification réduit les défauts du code généré
À lire ensuite
Modèles
Google DeepMind annonce Gemini 4 Argon, déployé d’abord auprès de défenseurs cyber de confiance via Fairwind
Modèles
OpenAI lance GPT-6 Sol et GPT-6 Luna, deux modèles plus économiques qui complètent GPT-6 Astra
Modèles
Anthropic publie Claude Opus 5.5 et OpenAI lance GPT-6 Sol et GPT-6 Luna à environ une heure d’écart
Modèles
Anthropic lance Claude Sonnet 5.5, deuxième modèle de la famille Claude 5.5