实体 harmful prompts

harmful prompts

PulseAugur coverage of harmful prompts — every cluster mentioning harmful prompts 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_160671 · Jul 24 · 04:00

新的解码方法在高温采样下保留了LLM的拒绝行为

研究人员开发了一种名为“拒绝门控解码”（Refusal-Gated Decoding）的新解码方法，旨在在高温度采样时保持LLM的安全护栏。该技术旨在提高输出多样性，同时不牺牲模型拒绝有害提示的能力。实验表明，该方法在基准数据集上保留了91-99%的拒绝行为，同时为安全提示保持了高温响应，且延迟增加极少。