Colección de investigaciones
#gradient-similarity
1 paper con la etiqueta Gradient similarity. Cada paper indica qué demuestra y qué no demuestra.
1 resultados
El filtrado por gradientes retira ejemplos de entrenamiento riesgosos
SimpleLoRIF filtra datos de instrucciones según los cambios que provocan en el modelo; SafeTulu redujo el éxito de ataques en tres familias evaluadas.