LLMs Encode Harmfulness and Refusal Separately

Fuente: arXiv
Guardado en:
Detalles Bibliográficos
Autores principales: Zhao, Jiachen, Huang, Jing, Wu, Zhengxuan, Bau, David, Shi, Weiyan
Formato: Preprint
Publicado: 2025
Materias:
Acceso en línea:
Etiquetas: Agregar Etiqueta
Sin Etiquetas, Sea el primero en etiquetar este registro!

Ejemplares similares