Beyond Attack Success Rate: Temporal Logit Observability for LLM Safety Failures

Fuente: arXiv
Salvato in:
Dettagli Bibliografici
Autori principali: Park, Junyoung, Park, Sunghwan, Ju, Seongyong, Lee, Jaewoo
Natura: Preprint
Pubblicazione: 2026
Soggetti:
Accesso online:
Tags: Aggiungi Tag
Nessun Tag, puoi essere il primo ad aggiungerne!!