FLIRT：反馈循环下的上下文红队
摘要：自动化红队评估生成模型的安全漏洞：基于不安全和不适当内容生成的红队框架
作者：Ninareh Mehrabi, Palash Goyal, Christophe Dupuy, Qian Hu, Shalini Ghosh, Richard Zemel, Kai-Wei Chang, Aram Galstyan, Rahul Gupta
论文ID：2308.04265
分类：Artificial Intelligence
分类简称：cs.AI
提交时间：2023-08-09