Compromising Honesty and Harmlessness in Language Models via Deception Attacks

Fuente: arXiv
Salvato in:
Dettagli Bibliografici
Autori principali: Vaugrante, Laurène, Carlon, Francesca, Menke, Maluna, Hagendorff, Thilo
Natura: Preprint
Pubblicazione: 2025
Soggetti:
Accesso online:
Tags: Aggiungi Tag
Nessun Tag, puoi essere il primo ad aggiungerne!!