html,body{height:auto!important;overflow:auto!important} [data-requires-script]{display:none!important} .reader{position:relative!important;overflow:visible!important;min-height:100vh} .reader-frame{height:auto!important;max-height:none!important;margin:auto} .reader-stage,.lesson-reader-stage{position:relative!important;inset:auto!important;overflow:visible!important} .reader-track,.lesson-track{position:relative!important;inset:auto!important;display:block!important;height:auto!important;transform:none!important} .reader-slide,.reader-panel,.lesson-panel{width:100%!important;height:auto!important;min-height:0!important;overflow:visible!important;content-visibility:visible!important} .reader-scroll,.lesson-panel-scroll{position:relative!important;inset:auto!important;height:auto!important;overflow:visible!important;padding-bottom:32px!important} .reader-tabs,.reader-tap,.reader-detail-dock,.card-dock{display:none!important} .lg-screen,.lg-feed,.lg-page,.dr-screen .lg-page{height:auto!important;overflow:visible!important} .lg-page{min-height:100vh} @media(min-width:1000px){.lg-page{min-height:0!important}}

Auteur

Jian Lou

Articles qui citent Jian Lou parmi les auteurs de la source. Un même nom peut désigner des chercheurs différents.

1 résultats

ArticleAI Security & Safety
Comment des exemples nuisibles peuvent contourner les sélecteurs
Une étude examine comment des fournisseurs peuvent faire passer des exemples nuisibles dans la sélection des données, et évalue une défense fondée sur les classements dans des tests circonscrits.
Ajouté à Chiosa 22 oct. 2026
#ai-safety #token-selection #data-poisoning

Jian Lou

Comment des exemples nuisibles peuvent contourner les sélecteurs