论文10:22
对抗性语用学用于AI安全评估：指令冲突、嵌入命令与策略歧义基准这篇论文搞了一个对抗性语用学基准，有18个具体条目，专门测试模型被指令冲突、嵌入命令搞昏头的情况，比以前只打通过/不通过标签靠谱多了。
#对抗性语用学
共 1 条 · 7 天 0 条 · 30 天 0 条
信息流里打上「对抗性语用学」标签的资讯、产品与论文，按刊登时间排，新的在上。
7月2日
这篇论文搞了一个对抗性语用学基准，有18个具体条目，专门测试模型被指令冲突、嵌入命令搞昏头的情况，比以前只打通过/不通过标签靠谱多了。