针对黑盒神经排序模型的多粒度对抗性攻击

本文提出了一种基于强化学习的多粒度对抗性攻击框架RL-MARA,旨在通过同时利用多个粒度级别(词级、短语级、句子级)的文本扰动来有效攻击黑盒神经排序模型,从而揭示其潜在的脆弱性。