jailbreak robustness

Определение

Способность LLM противостоять jailbreak-атакам. Оценивается в рамках red teaming evaluation с использованием специальных датасетов и метрик.

Где встречается

• 800+ вопросов

Навигация

• Индекс терминов
• Индекс разборов
• Оглавление