Слоеные LLM-защиты как ансамбль: уровни доступа, стоимость вывода и измеренная корреляция отказов между уровнями защиты
arXiv:2608.28327v1 Анонс Тип: кросс-абстракт: Практики защищают большие языковые модели (LLM), укладывая защитные элементы, предполагая, что слои являются составными. Стек представляет собой ансамбль, а ансамбли составляются только при условии, который рекомендует литература безопасности LLM, но…