defense
an archive of posts with this tag
| Sep 23, 2025 | 防御机制 · Qwen3Guard（阿里 Qwen 团队的安全护栏模型系列） |
|---|---|
| May 20, 2025 | 防御机制 · ShieldVLM（清华 CoAI，多模态隐性毒性护栏） |
| Mar 24, 2025 | 防御机制 · CaMeL (Capabilities for Machine Learning) |
| Oct 7, 2024 | 防御机制 · SecAlign（含 Meta SecAlign） |
| Jul 31, 2024 | 防御机制 · ShieldGemma |
| Jul 23, 2024 | 防御机制 · Llama Prompt Guard（Meta 的注入/越狱分类器，v1 86M / v2 86M+22M） |
| Jun 26, 2024 | 防御机制 · WildGuard（AI2 的 7B 安全审核分类器 / WildGuardMix 数据集） |
| Oct 5, 2023 | 防御机制 · SmoothLLM（随机字符扰动 + 多数投票的越狱防御） |
| Jun 16, 2023 | 防御机制 · Self-Reminder（系统模式自我提醒） |
| Nov 20, 2020 | 防御机制 · ONION（Outlier-word detection backdoor defense） |
| Nov 9, 2020 | 防御机制 · Detoxify (unitaryai/detoxify) |