Automatic Pseudo-Harmful Prompt Generation for Evaluating False Refusals in Large Language Models

Fuente: arXiv

Guardado en:

Detalles Bibliográficos
Autores principales:	An, Bang, Zhu, Sicheng, Zhang, Ruiyi, Panaitescu-Liess, Michael-Andrei, Xu, Yuancheng, Huang, Furong
Formato:	Preprint
Publicado:	2024
Materias:	Computation and Language Cryptography and Security Computers and Society Machine Learning
Acceso en línea:	Acceder al recurso
Etiquetas:	Agregar Etiqueta Sin Etiquetas, Sea el primero en etiquetar este registro!

Internet

https://arxiv.org/abs/2409.00598