Законы о расширении сферы применения крупных языковых моделей: полиномический и экспонентный перекресток
arXiv: 2603.11331v4 Annuate Type: заменить перекрестное резюме: противопоказательные атаки могут надежно ориентировать модели с высоким уровнем безопасности на небезопасное поведение. Эмпирически мы видим, что состязательные нападения с целью быстрого впрыска могут увеличить коэффициент успеха от медленного полиномического роста без инъекций до экспоненциального роста с количеством проб, полученных на основе анализа времени. Сначала мы идентифицируем минимальный статистический механизм для этих двух режимов, давая небольшой набор предположений относительно распределения безопасного поколения в контекстах, при которых применяются оба закона. Для дальнейшего разъяснения этого явления мы предлагаем теоретическую эластичную модель косвенного языка с точки зрения взводоотражающей системы, функционирующей в режиме реплики-симметрии, где поколения отбираются на основе соответствующей меры Гиббса и поднабора низкоэнергетических, дифференциальных групп с по размеру является небезопасным. Мы аналитически показываем, каким образом эта модель естественно реализует минимальные допущения. Короткие вводимые сигналы корреспо
