比如
："這個問題涉及有害內(nèi)容→我應(yīng)該拒絕回答→給出禮貌的南京拒絕回復(fù) 。測試AI能否在面對惡意攻擊時堅持原則，航空航天何讓對傳統(tǒng)模型效果顯著：GPT-3.5達(dá)86% 、大學(xué)答危D-Attack方法展現(xiàn)出了明顯的聊天"代際差異"