An Embarrassingly Simple Defense Against LLM Abliteration Attacks

Fuente: arXiv

Guardado en:

Detalles Bibliográficos
Autores principales:	Shairah, Harethah Abu, Hammoud, Hasan Abed Al Kader, Ghanem, Bernard, Turkiyyah, George
Formato:	Preprint
Publicado:	2025
Materias:	Computation and Language Artificial Intelligence 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/2505.19056