优惠 对大语言模型和多模态大语言模型进行所谓的“越狱攻击”（jailbreak attacks）的安全性评估

这篇论文的主题是关于对大型语言模型（LLMs）和多模态大型语言模型（MLLMs）进行所谓的“越狱攻击”（jailbreak attacks）的安全性评估。想象一下，你有一个非常听话的机器人，你告诉它做什么它就会做什么，但是这个机器人有一些内置的安全规则，防止它做出有害的行为。然而，有些人可能会尝试欺骗这个机器人，让它做... 阅读全文