谷歌浏览器插件
订阅小程序
在清言上使用
VIPCreated with Sketch.

Exploring the Vulnerability of the Content Moderation Guardrail in Large Language Models Via Intent Manipulation

Jun Zhuang,Haibo Jin, Ye Zhang, Zhengjian Kang, Wenbin Zhang,Gaby G. Dagher,Haohan Wang

arxiv（2025）

引用 0|浏览0
AI 理解论文
溯源树
样例
生成溯源树，研究论文发展脉络
Chat Paper
正在生成论文摘要