tl;dr: Продолжение разборов состязательных атак на генеративные модели. Разбор семантических атаках (подбор синонимов, построение фраз, эзопов язык), и использование для этого другой LLM модели.

Часть 1: Яндекс.Разврат или анти-этичный ИИ

Источник: Хабрахабр

Источник: HiveTyrant89

Перейти на сайт

Другие материалы на сайте b.Z - Записки о гаджетах, людях и музыке