arXiv · AI· Hongyu Li, Xinlong Huang, Zhan Yu, Jing Zhao, Zhe Zhao, Juntao Zhong, Xiong Kuang, Rui Yuan, ZhenXiang Yan, Huilin Xu, Haitao Yu, Lilin Wang, Rui Chen, Blaze Chen, Fengzong Lian, Renfen Hu·· 16 小时前AI 评分47
DiagSafe：基于提示级评分标准的 LLM 安全诊断评估框架
Beyond Binary Labels: Diagnostic Evaluation of LLM Safety with Prompt-Level Rubrics
AI 导读
DiagSafe 提出超越二元标签的 LLM 安全评估框架，利用提示级评分标准（rubrics）实现可解释诊断。 该框架基于 84 类安全分类法构建中英双语基准，包含直接有害查询与指令攻击子集。
来源：arXiv · AI · arxiv.org