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