IBMは11月12日、どの文が指示でどれがデータかを印で区別する小型の公開モデルを2つ出した。同社の試験では、隠し攻撃の成功率が半分超から6%未満に下がった。まだ実験的な試作版で、IBMは学習で身につけた挙動にすぎず唯一の防御にするなと注意している。
✓ 検証済み · 3ソース