提出基于计算压力(累积FLOPs)的对抗鲁棒性评估框架,通过风险-计算曲线和两个指标来衡量语言模型对抗攻击的难度,揭示了以往固定查询预算评价忽略的成本差异。
机构:多伦多大学
来源:arXiv 2606.11409 | AI4Papers 论文推荐平台