PulseAugur
中
实时 10:32:20
实体 SentryBench

SentryBench

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

Show in brief
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
  1. TOOL · CL_324519 ·

    新的SentryBench基准评估用于公共安全的LLM代理

    研究人员推出SentryBench,这是一个旨在评估大型语言模型(LLM)代理在对抗性攻击下的鲁棒性的新基准,特别是在公共安全领域。与关注通用危害或提示注入的现有基准不同,SentryBench衡量一个双向成本,同时考虑攻击成功以及过度拒绝(错过真实紧急情况)或过度反应(不必要的行动)的后果。该基准使用源自真实紧急呼叫记录和对抗性有效载荷的场景,将部署危害形式化为一个不对称成本函数。对三个前沿模型进行的初步评估表明,谨慎的拒绝策略可能…