英国人工智能安全研究所 发布 AgentHarm 数据集, 应用在 人工智能安全、大型语言模型 领域

英国人工智能安全研究所 本次发布的数据集 AgentHarm, AgentHarm数据集由英国人工智能安全研究所创建，旨在评估大型语言模型（LLM）代理在执行多步骤任务时的安全性和鲁棒性。该数据集包含110个基本恶意任务和330个增强任务，共计440个任务，涵盖11种危害类别，包括欺诈、网络犯罪和骚扰等。数据集通过合成工具和细粒度评分标准，确保任务的可靠性和安全性。AgentHarm数据集的应用领域主要集中在LLM代理的安全性研究，旨在解决代理在执行恶意任务时的潜在风险问题。

查看AgentHarm

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。