RESEARCH · SIGNAL STARTUP
How Narrative Wrapping Affects LLM Refusal: A Cross-Language Benchmark and Defense
arXiv:2610.11005v1 Announce Type: new Abstract: Safety-aligned language models often refuse a harmful request stated directly but answer the same request inside a role-play or nar…
出典・元記事arXiv — Artificial Intelligencehttps://arxiv.org/abs/2610.11005 配信元で続きを読む◆ SOURCE POLICY
公開RSS・Atomから取得した短い概要のみを表示しています。詳細は必ず配信元の記事で確認してください。
公開RSS・Atomから取得した短い概要のみを表示しています。詳細は必ず配信元の記事で確認してください。
SHARE STARTUP