harmfulness score

Определение

Метрика для оценки потенциального вреда ответа, обычно в диапазоне от 0 (безопасно) до 1 (опасно).

Где встречается

• 341. Как вы проектируете бенчмарк для нового домена (медицина, юриспруденция)
• 345. Как вы проектируете red teaming evaluation для jailbreak устойчивости

Навигация

• Индекс терминов
• Индекс разборов
• Оглавление