JailbreakBench

Определение

Датасет известных jailbreak-атак, используемый для бенчмаркинга устойчивости моделей к обходу ограничений.

Где встречается

• 497. Как вы проектируете red teaming evaluation для jailbreak устойчивости
• 881. Что такое jailbreak taxonomy (полная классификация)

Навигация

• Индекс терминов
• Индекс разборов
• Оглавление