HuggingFace Daily Papers·2026-10-05 08:00· 1 天前AI 评分50

噪声出、偏见入：通过闭环激活引导对扩散语言模型实施定向偏见注入

Noise Out, Bias In: Targeted Bias Injection in Diffusion Language Models via Closed-Loop Activation Steering

AI 导读

研究提出针对冻结扩散语言模型（dLLM）的定向偏见注入攻击，利用去噪过程中答案分布多次暴露的特点，用比例积分（PI）控制器实时跟踪目标答案概率并动态调整引导向量强度。