Translation attack

Определение

Вид jailbreak-атаки, при котором вредоносный запрос переводится на слабо поддерживаемый моделью язык, чтобы избежать срабатывания защитных механизмов.

Где встречается

• 352. Что такое jailbreak taxonomy (OOD, refusal suppression, role-play, перевод)

Навигация

• Индекс терминов
• Индекс разборов
• Оглавление