您現(xiàn)在的位置是：休閑 >>正文
南京航空航天大學(xué)：如何讓聊天機(jī)器人拒絕回答危險(xiǎn)問(wèn)題
休閑851人已圍觀
簡(jiǎn)介這項(xiàng)由南京航空航天大學(xué)的張馳宇、周璐等研究者聯(lián)合香港中文大學(xué)、浙江實(shí)驗(yàn)室共同完成的研究發(fā)表于2025年8月，論文題目為《使用明確有害提示對(duì)商業(yè)黑盒大語(yǔ)言模型進(jìn)行越獄攻擊》。有興趣深入了解的讀者可以通過(guò) ...
研究團(tuán)隊(duì)也坦率地承認(rèn)了他們方法的南京局限性 。這種攻擊方法的航空航天何讓成功率分別高達(dá)86%和98% 。他們發(fā)現(xiàn)使用"非觸發(fā)有害響應(yīng)提示"類(lèi)型示例的大學(xué)答危效果最佳