研究发布ASRD数据集与四态安全评估方法
热点事件持续更新
研究发布ASRD数据集与四态安全评估方法
1 篇报道1 个报道来源3 小时前更新
先了解这件事
AI 综述
一项研究发布 Adversarial Surface-Form Robustness Dataset（ASRD），用于评估开放权重大语言模型在非规范输入下的安全表现。该数据集包含 7 类表面形式共 2,100 条提示词，研究对 5 个开放权重语言模型生成 10,500 条回复，并用四态评估标准将其分为有害顺从、安全回复、理解失败和不确定四类。 该研究由 Pavan Maddula 发布，论文刊于 arXiv cs.CL。
AI 根据报道生成 · 2 小时前更新
最新进展10月8日 12:00
开放权重大语言模型在非规范输入下的四态安全评估报道时间线
沿着报道，了解事件的不同侧面。
10月8日
- arXiv cs.CL开放权重大语言模型在非规范输入下的四态安全评估
研究提出 Adversarial Surface-Form Robustness Dataset（ASRD），包含 7 类表面形式共 2,100 条提示词，对 5 个开放权重语言模型生成 10,500 条回复，并用 Quad-State 评估标准将其分为有害顺从、安全回复、理解失败和不确定四类。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。