Exploring the Vulnerability of the Content Moderation Guardrail in Large Language Models via Intent Manipulation

Fuente: arXiv
Guardado en:
Detalles Bibliográficos
Autores principales: Zhuang, Jun, Jin, Haibo, Zhang, Ye, Kang, Zhengjian, Zhang, Wenbin, Dagher, Gaby G., Wang, Haohan
Formato: Preprint
Publicado: 2025
Materias:
Acceso en línea:
Etiquetas: Agregar Etiqueta
Sin Etiquetas, Sea el primero en etiquetar este registro!

Ejemplares similares