实体 Rebuff 0.1.1

Rebuff 0.1.1

PulseAugur coverage of Rebuff 0.1.1 — every cluster mentioning Rebuff 0.1.1 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

0

90 天内 0

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_310233 · Oct 20 · 06:52

Rebuff 0.1.1 防护模块被简单的短语修改绕过

对 Rebuff 0.1.1 防护模块默认启发式层的审计显示，一个 0.75 的阈值可以通过简单的修改来绕过。当使用其自身记录的示例进行测试时，该模块将该短语标记为 0.824 分。然而，同一短语的一个略微修改的版本，去掉了结尾的从句，得分 0.700 且未被标记，这表明启发式方法依赖于精确的短语匹配而非意图。审计还显示，非英语短语和工具结果框架的指令得分显著降低，这表明启发式层作为唯一的安全措施的有效性存在局限性。