PatchBench 基准与局部评估协议发布
热点事件持续更新
PatchBench 基准与局部评估协议发布
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
研究团队发布 PatchBench，用于衡量大语言模型安全补丁的附带损伤。该基准从 37 个公开数据集的 27,870 条提示词中筛选出 15,314 条英文提示词，查询 8 个开源指令微调模型，最终保留 400 条高置信度越狱失败样本。 作者 Alexi Canesse 等人同时提出 PatchBench-Local 评估协议，称其针对的是经验观察到的、能诱导出可操作有害回答的模型特定越狱失败样本。
AI 根据报道生成 · 2 小时前更新
最新进展10月8日 12:00
PatchBench：衡量激活修补附带损伤的基准报道时间线
沿着报道，了解事件的不同侧面。
10月8日
- arXiv cs.CLPatchBench：衡量激活修补附带损伤的基准
研究团队推出 PatchBench，用于衡量 LLM 安全补丁的附带损伤，从 37 个公开数据集的 27,870 条提示词中筛选出 15,314 条英文提示词，查询 8 个开源指令微调模型，最终保留 400 条高置信度越狱失败样本。
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。