热点事件观察中
扩散语言模型定向偏见注入攻击研究
1 篇报道1 个报道来源2 天前更新
先了解这件事
AI 综述
2026年10月5日，HF Daily Papers报道了一项针对扩散语言模型（dLLM）的定向偏见注入攻击研究。报道称，研究者通过比例-积分（PI）控制器在去噪过程中追踪目标答案概率，并动态调整引导向量，实现闭环激活引导。该方法在 LLaDA-8B-Instruct 模型上进行验证：BBQ 模糊题目标群体偏好从 1.8 个百分点升至 16.7 个百分点，SocialStigmaQA 污名化答案率从 17.6% 升至 58.1%。完成单次攻击约需 40 分钟，使用单卡 GPU。
AI 根据报道生成 · 3 小时前更新
最新进展10月5日 04:00
扩散语言模型LLaDA-8B-Instruct被验证可通过闭环激活引导实现定向偏见注入。报道时间线
沿着报道，了解事件的不同侧面。
10月5日
- HF Daily Papers噪声去、偏见来：扩散语言模型的闭环激活引导定向偏见注入
研究者提出针对扩散语言模型（dLLM）的定向偏见注入攻击，通过比例-积分控制器在去噪过程中追踪目标答案概率并动态调整引导向量。在 LLaDA-8B-Instruct 上，BBQ 模糊题目标群体偏好从 1.8 升至 16.7 个百分点，SocialStigmaQA 污名化答案率从 17.6% 升至 58.1%，单次攻击约需单卡 GPU 40 分钟。
本事件热度走势
当前热度 4·可比范围峰值 4（10月6日 13:00）·近 24 小时可比范围变化 –
趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。