AdvBench

Определение

Стандартный бенчмарк для оценки устойчивости LLM к adversarial атакам, часто используемый в red teaming.

Где встречается

• 360. Что такое adversarial fine-tuning для защиты от jailbreak
• 497. Как вы проектируете red teaming evaluation для jailbreak устойчивости

Навигация

• Индекс терминов
• Индекс разборов
• Оглавление