研究者提出 TrustJev 框架，将 LLM 策略权威与不可信证据分离
热点事件持续更新
研究者提出 TrustJev 框架，将 LLM 策略权威与不可信证据分离
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
Zhiwei Xu 等研究者在 arXiv 提交论文，提出 TrustJev 框架，通过受保护的策略打分与有界的证据修正，将 LLM 决策中的策略权威与可能包含指令注入的外部证据分离。 作者称，在 0.6B 模型上对比 14 个基线与三个数据集，平均 Balance 超最强基线 0.57–1.05 个百分点；在授权基准中对 95.77% 的来源能正确应对全部 32 个攻击，对比方法为 80.98%。作者称推理阶段的内存与中位延迟与基线相当，额外开销主要在训练阶段。
AI 根据报道生成 · 55 分钟前更新
最新进展10月27日 12:00
TrustJev：在 LLM 决策中将策略权威与不可信证据分离报道时间线
沿着报道，了解事件的不同侧面。
10月27日
- arXiv cs.AITrustJev：在 LLM 决策中将策略权威与不可信证据分离
研究者提出 TrustJev 框架，通过受保护的策略打分与有界的证据修正，将策略权威与可能包含指令注入的外部证据分离。0.6B 实现对比 14 个基线与三个数据集，平均 Balance 超最强基线 0.57-1.05 个百分点；授权基准中对 95.77% 的来源正确应对全部 32 个攻击，对比方法为 80.98%。推理内存与中位延迟相当，额外开销主要在训练阶段。
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。