研究人员开发了一个名为3R-Bench的新基准,用于评估大型语言模型(LLM)在对话情境下区分合法网络安全辅助请求和潜在有害请求的能力。该基准包含150个真实世界的网络安全请求和两个对抗性对话场景。对八个LLM的初步评估显示,模型对网络安全请求的遵从度显著受到先前对话历史的影响,在拒绝历史后的遵从度为62.0%,而在接受历史后则上升到85.1%。 AI
影响 该基准可能促使为网络安全应用开发更强大的LLM安全机制。
排序理由 该集群包含一篇详细介绍评估LLM能力新基准的研究论文。[lever_c_demoted from research: ic=1 ai=1.0]
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →