本文提出了多数可理解调制(MUM)概念与可复现的数据集构建框架,用于量化Algospeak在逃避算法检测与保持语义可理解性之间的权衡,并通过多语言模型实验揭示了调制水平与检测/理解能力的关系,为设计更稳健的内容审核系统提供基础。
机构:Stanford
来源:arXiv 2605.06619 | AI4Papers 论文推荐平台