2026年6月6日土曜日

7 件 — 🟡 4 重要 , 🟢 3 注目

← 前日 翌日 →

🤖 モデル (2)

📦 オープンソース (1)

🏥 実践 (1)

🛡️ セキュリティ (3)

🟡 🛡️ セキュリティ 2026年6月6日 · 3 分で読めます

arXiv:2606.07929:医療 LLM のストレステストが隠れた安全性の病理を明らかに

編集イラスト:2606.07929:医療 LLM のストレステストが隠れた安全性の病理を明らかに

新しい論文が、肝臓病学から借用したストレス監査フレームワーク AI-MASLD を導入し、臨床 LLM を評価する。7 モデルを 240 症例で検証した結果、物語的ストレス下でモデルは大きく分岐し、医療向けファインチューニングは安定性と公平性を体系的に劣化させることが示された。

🟡 🛡️ セキュリティ 2026年6月6日 · 3 分で読めます

arXiv:2606.07963:共有された潜在構造が LLM のバックドアの統一的検出を可能にする

編集イラスト:2606.07963:共有された潜在構造が LLM のバックドアの統一的検出を可能にする

新しい論文が、大規模言語モデルに対するさまざまなバックドア攻撃に共通する潜在的機構を明らかにする。スパースオートエンコーダが Qwen3、Gemma 3、Llama 3.1 にわたって汎化する一貫した特徴を検出し、軽量な分類器が未見のバックドアのゼロショット検出を達成する。

🟢 🛡️ セキュリティ 2026年6月6日 · 3 分で読めます

arXiv:2606.07970:Patcher がオープンウェイト LLM を悪意あるファインチューニングから守る

編集イラスト:2606.07970:Patcher がオープンウェイト LLM を悪意あるファインチューニングから守る

新しい論文が、オープンウェイト言語モデルを悪意あるファインチューニングから守る防御 Patcher を導入する。全パラメータ攻撃で崩れる既存の防御とは異なり、Patcher は敵対的訓練と二段階最適化により頑健性を大幅に高め、攻撃シナリオ全体にわたって汎化する。

← 前日 翌日 →