Backdoor-Attack-Defense-LLMs

Interpretability-of-LLMs IBSDは、IEEE Signal Processing Letters（2025.10）に掲載された論文「IBSD: Iterable Black-box Self-defense Against Backdoor Attacks」のコードです。論文リンク SLIPは、2026-ACL-findingsに掲載された論文「SLIP: Soft Label Mechanism and Key-Extraction-Guided CoT-based Defense Against Instruction Backdoor in...