发布 Jailbreak Evaluation Dataset 数据集, 应用在 语言模型安全性、越狱攻击评估 领域

本次发布的数据集 Jailbreak Evaluation Dataset, 该数据集是一个包含1525条有害查询的全面集合，这些查询被细分为61个具体的有害实例，覆盖了12种有害类型。该数据集旨在评估大型语言模型（LLM）对越狱策略的易受攻击性。此外，数据集还通过加入定制的恶意查询并整合了多个来源的信息，以确保进行全面的评估。该数据集规模达到1525条记录，其任务是评估LLM在面对越狱攻击时的可靠性。

查看Jailbreak Evaluation Dataset

Dataset card 内容： 

Files and versions 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。