Выбирайте яд: обучение выбору зараженных наборов для более сильных бэкдор-атак на LLM

Статья исследует, как выбор определенных зараженных примеров может существенно повлиять на успех бэкдор-атак на большие языковые модели. Вводится SAILS, метод, который оптимизирует выбор зараженных наборов, чтобы повысить эффективность атаки на 30 процентных пунктов по сравнению с существующими методами.