跳到正文
热点事件持续更新

前词预测实现提示词重建

1 篇报道1 个报道来源1 小时前更新

先了解这件事

AI 综述

研究者 Pirzada Suhail 提出一种基于 Previous-Token Prediction 的 LLM 逆向方法:在没有模型权重、logits 或外部辅助模型的黑盒环境中,使用目标 LLM 生成的合成数据从头训练逆向语言模型,再通过采样生成能够诱导相似响应的多样化提示词。论文称,该方法可跨数据集泛化,并能迁移到由其他 LLM 生成响应的重建任务;多项基于 token 的评测指标显示其优于既有方法。

AI 根据报道生成 · 37 分钟前更新

报道时间线

沿着报道,了解事件的不同侧面。

11月19日
  1. Hacker News
    基于 Previous-Token Prediction 的 LLM 逆向提示词重建

    一项 LLM 逆向研究提出基于 Previous-Token Prediction 的提示词重建方法,无需模型权重、logits 或外部辅助模型。该方法使用目标 LLM 生成的合成数据从头训练逆向语言模型,并可通过采样生成能诱导相似响应 diverse prompts。研究可跨数据集泛化并迁移至其他 LLM,在多项 token-based 评测指标中优于既有方法。

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。