It's the Thought that Counts: Evaluating the Attempts of Frontier LLMs to Persuade on Harmful Topics
测量模型在模拟对话中针对特定有害议题的说服尝试。
核对原文署名 ↗文献署名
按原文作者姓名整理的已收录成果。机构与作者身份以具体文献为依据。
测量模型在模拟对话中针对特定有害议题的说服尝试。
核对原文署名 ↗在微调及表征层篡改条件下,对开放权重模型防护开展压力测试,并跟踪有用性。
核对原文署名 ↗