Robust LLM safeguarding via refusal feature adversarial training

Fuente: arXiv

Guardado en:

Detalles Bibliográficos
Autores principales:	Yu, Lei, Do, Virginie, Hambardzumyan, Karen, Cancedda, Nicola
Formato:	Preprint
Publicado:	2024
Materias:	Machine Learning 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/2409.20089