Gandalf platform 发布 Gandalf Attack Dataset 数据集, 应用在 自然语言处理、模型安全性 领域

Gandalf platform 本次发布的数据集 Gandalf Attack Dataset, 该数据集包含了27.9万个通过一种众包、游戏化的红队平台生成的提示攻击，该平台旨在评估大型语言模型应用中对抗提示攻击的防御能力。此外，该数据集补充了良性用户数据，以便分析大型语言模型应用中安全性与可用性之间的相互作用。其规模达到了279,000个提示攻击，任务是对大型语言模型防御中的安全性与实用性权衡进行评估。

查看Gandalf Attack Dataset

README 内容： 

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。