arXiv · cs.CL· Yukun Chen·· 17 天前AI 评分50
面向大语言模型合并条件后门去对齐的研究：SMOKE 攻击框架
Towards Merging-conditional Backdoor Unalignment against Large Language Models
来源与原文
arXiv · cs.CL
作者：Yukun Chen
发布时间：（北京时间）
阅读原始来源 · arxiv.org ↗完整链接与内容说明
https://arxiv.org/abs/2610.14701v1
本站目前仅有 AI 导读与摘要，未展示原文正文；技术细节、代码和完整结论请查看原始来源。
AI 导读
研究揭示大语言模型合并中的单侧合并条件后门（OMCB）威胁：该后门在单一模型中潜伏且难以被后门检测发现，模型合并后激活并触发安全去对齐。作者提出基于元学习的 SMOKE 攻击框架，通过双层优化植入 OMCB，实验证明其在多种模型架构与合并技术下有效且能抵抗现有后门检测。
来源：arXiv · cs.CL · arxiv.org