实体 C-SafeQA

C-SafeQA

PulseAugur coverage of C-SafeQA — every cluster mentioning C-SafeQA across labs, papers, and developer communities, ranked by signal.

总计 · 30天

1

90 天内 1

发布 · 30天

0

90 天内 0

论文 · 30天

1

90 天内 1

层级分布 · 90 天

主题

情绪 · 30 天

1 天有情绪数据

最近 · 第 1/1 页 · 共 1 条

TOOL · CL_231436 · Sep 2 · 04:00

新的中文安全基准 C-SafeQA 评估大型语言模型响应和评判者

研究人员开发了 C-SafeQA，一个用于评估大型语言模型响应安全性的新基准，尤其是在中文方面。该基准侧重于识别不安全响应，而不仅仅是风险查询，解决了语言变异和对抗性攻击带来的挑战。C-SafeQA 包括基础查询和对抗性查询，由人类专家和七个自动化安全评判者评估响应，揭示了评判者性能的显著权衡以及在对抗某些转换时的特定弱点。