日本芝浦工业大学 发布 reasoning-safety-behaviours 数据集, 应用在 安全行为分析、自然语言处理 领域

日本芝浦工业大学 本次发布的数据集 reasoning-safety-behaviours, 本数据集名为 reasoning-safety-behaviours，由日本芝浦工业大学的研究团队创建，包含超过5万个标注句子，涵盖了20种不同的安全行为，这些行为被组织成六个类别，从提示解释到有害的遵守。数据集通过收集模型对有害提示的响应，并使用LLM-as-a-judge方法对单个句子进行标签，以便在推理链中精确地识别特定行为。数据集的创建旨在弥补现有数据集在安全研究中的不足，并展示了在模型激活中检测和引导安全行为的潜力。

查看reasoning-safety-behaviours

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。