← 研究目录

研究机构

滑铁卢大学

角色与署名遵循所引原始资料。来源核验不等于独立复现实验。

更多筛选 →

滑铁卢大学 ↗

风险评测评测基准

TamperBench: Systematically Stress-Testing LLM Safety Under Fine-Tuning and Tampering

研究机构滑铁卢大学 FAR.AI 多伦多大学苏黎世联邦理工学院麻省理工学院 Vector Institute

2026-02-06

研究问题开放权重防护对保留效用的修改有多稳健？

来源摘要主要比较在MMLU-Pro相对退化不超过10%时选择最坏StrongREJECT结果。

NUWA 研究解读 · 独立复核待完成

跨主题研究Behavior · 观察行为

阅读来源笔记原始来源 ↗