宾夕法尼亚大学 发布 JailbreakBench 数据集, 应用在 鲁棒性评估、越狱攻击 领域

宾夕法尼亚大学 本次发布的数据集 JailbreakBench, JailbreakBench是一个开放的鲁棒性基准，用于评估大型语言模型（LLMs）的越狱攻击。该数据集包含100种行为，旨在与OpenAI的使用政策保持一致。数据集的创建过程涉及收集和标准化先进的对抗性提示，以及开发一个评估框架，该框架包括明确的威胁模型、系统提示、聊天模板和评分函数。JailbreakBench的应用领域主要集中在提高LLMs对越狱攻击的抵抗力，确保模型在安全关键领域的部署更为安全。

查看JailbreakBench

README 内容： 

关于 宾夕法尼亚大学 , 宾夕法尼亚大学是美国一所著名的私立研究型大学，以其高质量的教育和广泛的学科领域而闻名。

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。