Jailbreak defense

Определение

Методы защиты LLM от jailbreak-атак, например, использование representation engineering (RepE) для подавления вредных активаций и блокировки обхода ограничений.

Где встречается

• 297. Что такое representation engineering (RepE) и зачем он нужен

Навигация

• Индекс терминов
• Индекс разборов
• Оглавление