发布非规范输入安全评测数据集
热点事件观察中
发布非规范输入安全评测数据集
1 篇报道1 个报道来源2 天前更新
先了解这件事
报道摘要
研究构建包含2,100条提示、覆盖七类表面形式的ASRD，并用其对五个开放权重大语言模型进行四状态安全评估。五个模型生成10,500条回复，基线有害服从率为22.87%，主要受Mistral 7B驱动；emoji和不可见Unicode变体的有害服从率分别为20.27%和17.20%。
摘自 arXiv · cs.AI
最新进展10月7日 03:33
非规范输入下开放权重大语言模型的四状态安全评估报道时间线
沿着报道，了解事件的不同侧面。
10月7日
- arXiv · cs.AI非规范输入下开放权重大语言模型的四状态安全评估
研究构建包含2,100条提示、覆盖七类表面形式的ASRD，并用其对五个开放权重大语言模型进行四状态安全评估。五个模型生成10,500条回复，基线有害服从率为22.87%，主要受Mistral 7B驱动；emoji和不可见Unicode变体的有害服从率分别为20.27%和17.20%。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。