persuasive_jailbreaker

人性化说服技巧挑战大语言模型安全边界

本项目提出说服性对抗提示(PAP)方法,系统应用40种说服技巧攻击大语言模型。研究显示PAP对GPT-4等先进模型有92%成功率,且更强大的模型反而更易受影响。项目还探讨了防御策略,揭示人性化交互对AI安全的挑战,为增强大语言模型安全性提供新思路。

访问官网

Github

论文

介绍相关项目

WPeChatGPT - 通过OpenAI GPT-3.5模型实现高效的二进制文件与漏洞分析IDA插件

GithubIDA插件OpenAIWPeChatGPTgpt-3.5-turbo二进制文件分析开源项目

WPeChatGPT是一个基于OpenAI gpt-3.5-turbo模型的IDA插件，能高效分析二进制文件并识别漏洞。它支持函数重命名和Python代码重构，提升了分析的效率和准确性。适合专业人员使用，可自动或手动操作，优化代码分析流程。

deberta-v3-base-prompt-injection-v2 - DeBERTa-v3微调模型实现高精度提示注入检测

DeBERTa-v3-baseGithubHuggingfaceLLM安全prompt injection开源项目文本分类模型语言模型

deberta-v3-base-prompt-injection-v2是一个基于DeBERTa-v3-base微调的模型，专注于检测和分类英语提示注入攻击。模型在后训练数据集上达到95.25%的准确率，可有效分类输入是否存在注入。该模型由Protect AI开发，利用多个公开数据集训练而成，旨在提升语言模型应用的安全性。需注意的是，模型不适用于越狱攻击检测和非英语提示处理。

pretraining-with-human-feedback - 基于人类偏好预训练的语言模型代码库

GithubHugging Facetoxicity人类偏好多任务开源项目预训练

该项目为根据人类偏好预训练语言模型提供了一套基于Hugging Face Transformers和wandb的工具。项目实现了五种预训练目标，通过对训练数据注释并使用这些目标函数提升模型性能，包括毒性检测和隐私信息识别等任务。项目还提供详细的配置文件和评估方式指导。

FreeGPT - 开源WebUI项目实现免费访问GPT-3.5和GPT-4

APIDockerFreeGPT WebUIGPT-4Github开源项目自动代理

FreeGPT是一个开源项目，提供用户友好的WebUI界面，无需API密钥即可免费访问ChatGPT功能。项目集成G4F API，支持GPT-3.5和GPT-4模型，并提供增强的越狱功能。FreeGPT还包括Docker支持和自动代理功能，便于部署和使用。作为开源的ChatGPT替代方案，FreeGPT旨在促进AI技术的学习和研究。

Visual-Style-Prompting - 创新的视觉风格提示方法实现文本到风格化图像生成

GithubVisual Style Prompting开源项目扩散模型文本到图像生成自注意力机制风格控制

Visual-Style-Prompting项目提出创新的视觉风格提示方法，通过交换自注意力层键值实现多样化图像生成并保持特定风格。无需微调即可使用，生成图像忠实反映参考风格。经广泛评估，该方法在多种风格和文本提示下表现优异，准确匹配文本描述并最佳呈现参考风格。

Lion - 对抗蒸馏框架提升大型语言模型能力

GithubLion大型语言模型对抗蒸馏开源项目指令微调自然语言处理

Lion项目开发了一种对抗蒸馏框架，通过模仿、辨别和生成三个阶段从专有大型语言模型中提取知识。该框架不断挑战学生模型，提升其能力。使用70k指令数据训练后，Lion (7B)模型性能接近ChatGPT。项目公开了模型权重、训练和推理代码，在开放式生成和推理任务中表现出色。Lion致力于推进语言模型研究，仅限研究用途。

graphologue - 实时可视化大型语言模型响应，提升信息获取与理解

GithubGraphologueLLMOpenAI APIUIST 2023交互图表开源项目

Graphologue将大型语言模型（如GPT-4）的文本响应实时转化为互动图表，使用创新提示和界面设计便于提取实体和关系，支持复杂信息任务。用户可以调整图示和提交上下文提示，促进与LLM的非线性对话，增强信息探索和组织能力。

llama3-8B-usenet-merged - 高效NLP模型潜力与使用指南

GithubHuggingfacetransformers偏见开源项目模型语言处理限制

探讨使用transformers库的NLP模型，通过环境影响分析及初学者指南，了解其应用潜力及可能的偏见与限制。

vigil-llm - 多层防御工具，评估和保护LLM提示安全

APIGithubLLMVigil安全扫描开源项目提示注入

Vigil-llm是一款评估大型语言模型提示和响应安全性的开源工具。它集成了向量数据库、启发式规则、变压器模型等多种扫描模块，能够有效检测提示注入、越狱等潜在威胁。该工具支持本地和OpenAI嵌入，内置常见攻击签名库，可作为Python库或REST API使用，为LLM应用构建全方位的安全防护体系。

相关项目

推荐项目

豆包MarsCode

豆包 MarsCode 是一款革命性的编程助手，通过AI技术提供代码补全、单测生成、代码解释和智能问答等功能，支持100+编程语言，与主流编辑器无缝集成，显著提升开发效率和代码质量。

AI写歌

Suno AI是一个革命性的AI音乐创作平台，能在短短30秒内帮助用户创作出一首完整的歌曲。无论是寻找创作灵感还是需要快速制作音乐，Suno AI都是音乐爱好者和专业人士的理想选择。

白日梦AI

白日梦AI提供专注于AI视频生成的多样化功能，包括文生视频、动态画面和形象生成等，帮助用户快速上手，创造专业级内容。

有言AI

有言平台提供一站式AIGC视频创作解决方案，通过智能技术简化视频制作流程。无论是企业宣传还是个人分享，有言都能帮助用户快速、轻松地制作出专业级别的视频内容。

Kimi

Kimi AI助手提供多语言对话支持，能够阅读和理解用户上传的文件内容，解析网页信息，并结合搜索结果为用户提供详尽的答案。无论是日常咨询还是专业问题，Kimi都能以友好、专业的方式提供帮助。

讯飞绘镜

讯飞绘镜是一个支持从创意到完整视频创作的智能平台，用户可以快速生成视频素材并创作独特的音乐视频和故事。平台提供多样化的主题和精选作品，帮助用户探索创意灵感。

讯飞文书

讯飞文书依托讯飞星火大模型，为文书写作者提供从素材筹备到稿件撰写及审稿的全程支持。通过录音智记和以稿写稿等功能，满足事务性工作的高频需求，帮助撰稿人节省精力，提高效率，优化工作与生活。

阿里绘蛙

绘蛙是阿里巴巴集团推出的革命性AI电商营销平台。利用尖端人工智能技术，为商家提供一键生成商品图和营销文案的服务，显著提升内容创作效率和营销效果。适用于淘宝、天猫等电商平台，让商品第一时间被种草。

AIWritePaper论文写作

AIWritePaper论文写作是一站式AI论文写作辅助工具，简化了选题、文献检索至论文撰写的整个过程。通过简单设定，平台可快速生成高质量论文大纲和全文，配合图表、参考文献等一应俱全，同时提供开题报告和答辩PPT等增值服务，保障数据安全，有效提升写作效率和论文质量。

使用协议隐私政策广告服务

投诉举报邮箱: service@vectorlightyear.com