How Alignment and Jailbreak Work: Explain LLM Safety through Intermediate Hidden States

Fuente: arXiv
Salvato in:
Dettagli Bibliografici
Autori principali: Zhou, Zhenhong, Yu, Haiyang, Zhang, Xinghua, Xu, Rongwu, Huang, Fei, Li, Yongbin
Natura: Preprint
Pubblicazione: 2024
Soggetti:
Accesso online:
Tags: Aggiungi Tag
Nessun Tag, puoi essere il primo ad aggiungerne!!