跳到正文
arXiv · NLP· Abrar Alotaibi, Moataz Ahmed·· 3 天前AI 评分31

LLM 分层安全防护集成的多样性测量与估计方法

How Diverse Are Layered Safeguards? Estimands and Measurement for Ensembles of LLM Jailbreak Defenses

AI 导读

针对 LLM 多层防护集成(如 likelihood filter 与 guard classifier)中各组件多样性难以量化的问题,研究定义了三个核心 estimand 并构建了相应估计器。

来源:arXiv · NLP · arxiv.org