LLM对齐与越狱攻防技术 网络安全文章

LLM对齐与越狱攻防技术

文章总结: 本文系统梳理了大型语言模型(LLM)对齐与越狱攻防技术,涵盖对齐概念、RLHF与DPO等对齐方法、越狱攻击分类与防御策略。核心指出对齐旨在使模型行为