Gradient Cuff: Detecting Jailbreak Attacks on Large Language Models by Exploring Refusal Loss Landscapes

Fuente: arXiv
Salvato in:
Dettagli Bibliografici
Autori principali: Hu, Xiaomeng, Chen, Pin-Yu, Ho, Tsung-Yi
Natura: Preprint
Pubblicazione: 2024
Soggetti:
Accesso online:
Tags: Aggiungi Tag
Nessun Tag, puoi essere il primo ad aggiungerne!!