SecFeed

Artificial Intelligence · 25.08.2026, 11:31 UTC

Whitewashing Hate, Smearing Harmless Content: Annotator-Style Rebuttal Attacks on LLM-Based Moderation

Schweregrad info
KategorieArtificial Intelligence
QuellearXiv cs.CL ↗
Veröffentlicht25.08.2026 UTC

Sicherheitsmeldung mit Schweregrad noch nicht bewertet. Technische Details im Tab „Originaltext“; empfohlene Schritte in der Checkliste.

← zurück

Solche Analysen wöchentlich – in 5 Minuten.

Kein Spam, Double-Opt-in, jederzeit abbestellbar.

Newsletter abonnieren oder RSS

Verwandte Beiträge