DUP：检测引导的遗忘式后门清除框架

Man Hu 等人在 arXiv 发布论文，提出 DUP（Detection-guided Unlearning for Purification），一个把后门检测与基于遗忘的净化统一到同一框架的方法，用于清除语言模型中的后门。 论文作者称，在多种攻击方法和多种语言模型架构上的大量实验表明，DUP 在检测准确率和净化效果上均有较好的防御表现。该说法来自论文自述，尚未有独立验证。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。