Steering Externalities: Benign Activation Steering Unintentionally Increases Jailbreak Risk for Large Language Models

Fuente: arXiv
Salvato in:
Dettagli Bibliografici
Autori principali: Xiong, Chen, He, Zhiyuan, Chen, Pin-Yu, Ko, Ching-Yun, Ho, Tsung-Yi
Natura: Preprint
Pubblicazione: 2026
Soggetti:
Accesso online:
Tags: Aggiungi Tag
Nessun Tag, puoi essere il primo ad aggiungerne!!