Scale AI 发布 FORTRESS: Frontier Risk Evaluation for National Security and Public Safety 数据集, 应用在 国家安全、语言模型安全评估 领域

Scale AI 本次发布的数据集 FORTRESS: Frontier Risk Evaluation for National Security and Public Safety, FORTRESS是一个针对国家安全和公共安全领域的大型语言模型（LLM）安全防护的评估数据集。该数据集由Scale AI的研究团队创建，包含500个由专家设计的对抗性提示，以及对应的良性提示，用于测试模型在面临国家安全和公共安全相关内容时的防护能力。每个对抗性提示都配有一套由专家制定的评分标准，以自动化评估模型响应的有害性。FORTRESS旨在帮助决策者和研究人员更好地理解LLM模型的潜在风险，并推动相关安全机制的进步。

查看FORTRESS: Frontier Risk Evaluation for National Security and Public Safety

Dataset card 内容： 

Files and versions 内容： 

关于 Scale AI , Scale AI 是一家总部位于美国旧金山的人工智能公司，专注于提供高质量的数据注释服务，以帮助机器学习模型更好地训练和提升性能。

关于 arXiv , arXiv 是一个免费分发服务和开放获取的学术文章档案库，涵盖了物理学、数学、计算机科学、定量生物学、定量金融、统计学、电气工程和系统科学以及经济学等领域。该网站上的材料并未经过 arXiv 的同行评审。