BriefGPT.xyz
Ask
alpha
关键词
comprehensive safeguards
搜索结果 - 1
可扩展和可迁移的语言模型黑盒越狱通过角色调制
探讨了人设调节作为黑盒越狱方法,用于引导目标模型具备遵循有害指令的个性。我们利用自动生成的越狱命令展示了多种有害完成操作,包括合成甲基苯丙胺、制造炸弹和洗钱的详细指南。这些自动化攻击在 GPT-4 中的有害完成率为 42.5%,是调节之前(
→
PDF
8 months ago
Prev
Next