热点事件观察中
研究人员提出针对大模型变换的可组合攻击框架All-in-One
1 篇报道1 个报道来源1 天前更新
先了解这件事
AI 综述
2026年10月27日，研究人员在 arXiv 提出名为 All-in-One 的可组合攻击框架。该框架可同时针对量化、剪枝和模型合并等多种大语言模型（LLM）变换，在用户应用其中任一变换时触发恶意行为。在机制上，该框架将不同变换近似为模型权重扰动，通过在单一目标中联合优化原模型的良性损失与模拟变换模型的恶意损失，实现统一攻击。实验表明，该攻击跨多种场景、模型族和部署变换均取得了高成功率。
AI 根据报道生成 · 2 小时前更新
最新进展10月27日 12:00
研究人员提出All-in-One攻击框架，能在量化、剪枝等LLM变换应用时触发恶意行为。报道时间线
沿着报道，了解事件的不同侧面。
10月27日
- arXiv 机器学习All-in-One：针对 LLM 变换的可组合攻击
研究人员提出 All-in-One 可组合攻击框架，可同时针对量化、剪枝和模型合并等多种 LLM 变换，并在用户应用其中任一变换时触发恶意行为。该框架将不同变换近似为模型权重扰动，通过在单一目标中联合优化原模型的良性损失与模拟变换模型的恶意损失实现统一攻击。实验表明，该攻击跨多种场景、模型族和部署变换均取得高成功率。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。