TamperBench: Systematically Stress-Testing LLM Safety Under Fine-Tuning and Tampering
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 ↗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。
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 ↗研究预训练数据过滤对生物威胁代理知识的防护作用,并测试其抵抗对抗微调的能力。
核对原文署名 ↗