跳到正文
arXiv · ML· Leonhard Waibl, Felix Michalak, Hadrien Mariaccia·· 7 天前AI 评分45

BELLS-O 评测 LLM 监管系统的操作权衡

BELLS-O: Evaluating the Operational Trade-offs of LLM Supervision Systems

AI 导读

独立基准 BELLS-O 评测了来自 17 家开发商的 33 套 LLM 监管系统,联合衡量检测率、误报率、延迟和成本。 系统覆盖 11 类危害的内容审核、13 种攻击技术的越狱检测和提示词注入检测,内容审核运行重复 5 次并报告 95% 置信区间。

来源:arXiv · ML · arxiv.org