タグ: アライメント

解説 ねえ、智也くん！この論文『LIAR: Leveraging Alignment to Jailbreak LLMs in Seconds』って面白そうだね。内容教えて！ ああ、これは脱獄技術に関する論文だよ。従来の…

解説 智也くん、この論文のタイトル「LLMの拒否トレーニングは過去形に一般化するか？」って面白そう！教えてくれる？ もちろん、亜美さん。この論文は、LLMが有害な出力を防ぐために行われる拒否トレーニングが、過去形の質問に…