Tracing the Dynamics of Refusal: Exploiting Latent Refusal Trajectories for Robust Jailbreak Detection

Fuente: arXiv

Guardado en:

Detalles Bibliográficos
Autores principales:	Hu, Xulin, Wang, Che, Lim, Wei Yang Bryan, Gao, Jianbo, Chen, Zhong
Formato:	Preprint
Publicado:	2026
Materias:	Cryptography and Security Artificial Intelligence Computation and Language 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/2605.02958