GradSafe: Detecting Jailbreak Prompts for LLMs via Safety-Critical Gradient Analysis

Fuente: arXiv

Guardado en:

Detalles Bibliográficos
Autores principales:	Xie, Yueqi, Fang, Minghong, Pi, Renjie, Gong, Neil
Formato:	Preprint
Publicado:	2024
Materias:	Computation and Language Cryptography and Security
Acceso en línea:	Acceder al recurso
Etiquetas:	Agregar Etiqueta Sin Etiquetas, Sea el primero en etiquetar este registro!

Internet

https://arxiv.org/abs/2402.13494