jailbreak_llms

大规模语言模型野生越狱提示的特征与评估研究

JailbreakHub ACM CCS 2024 大语言模型数据集伦理 Github 开源项目

本项目利用JailbreakHub框架，首次测量和研究野生越狱提示，收集了2022年12月至2023年12月的15,140个提示，其中包括1,405个越狱提示。通过分析Reddit和Discord等平台的数据，本研究旨在提高LLM供应商和研究社区对模型潜在风险的认识，并推动更强大的安全措施。

Safety-Prompts - 中文大语言模型安全评估与优化

GithubSafety-PromptsSafetyBenchShieldLM大模型安全开源项目评测平台

Safety-Prompts项目提供用于评测和提升中文大语言模型安全性的prompts，确保模型输出与人类价值观一致。项目包含10万条安全场景prompts和ChatGPT回复，涵盖各类安全场景和指令攻击，并提供多选题评测平台，适用于训练和微调更安全的模型，帮助研究人员评估大模型安全性。

DeepInception - 通过DeepInception方法探索大型语言模型的安全弱点

DeepInceptionGithubMilgram实验Vicuna大型语言模型对抗性攻击开源项目

DeepInception是一种创新的轻量级方法，能够诱导大型语言模型（LLM）绕过安全防护，持续进行越狱操作。该方法通过构建嵌套场景，利用LLM的拟人化能力，实现自适应逃逸。实验证明，DeepInception在开源和闭源LLM（如Falcon, Vicuna, Llama-2, GPT-3.5/4/4V）上表现出高成功率，揭示了LLM的安全弱点。此研究强调了增强LLM安全措施和防范风险的重要性。

llm-attacks - 研究大语言模型的对抗性攻击与安全防御

GCG算法GithubLLM攻击实验复现对抗性攻击开源项目语言模型

LLM-attacks项目致力于研究对齐语言模型的通用和可迁移对抗性攻击。项目实现了GCG算法，可对LLaMA-2等模型进行安全测试。研究者能够复现论文中的单一行为、多行为和迁移实验。项目提供完整的安装指南、模型使用说明和实验脚本，并包含交互式演示notebook。该研究有助于深入理解和提升大语言模型的安全性，对相关领域的发展具有重要价值。

Awesome-LLM-Prompt-Optimization - 大型语言模型提示词优化技术与研究前沿总览

GithubLLM人工智能开源项目提示优化机器学习自动化

本项目收录了大型语言模型(LLM)提示词优化领域的前沿研究论文。内容涵盖LLM优化、微调、编程、人类反馈、集成学习、强化学习、无梯度方法、上下文学习和贝叶斯优化等多个研究方向。项目旨在为研究人员提供全面的LLM提示词优化资源,助力推动该领域发展。

ABigSurveyOfLLMs - LLM研究综述汇编全面概览前沿进展

Github人工智能大语言模型开源项目机器学习自然语言处理调查综述

本项目汇集大型语言模型(LLM)领域的研究综述,涵盖通用调查、对齐、提示学习和推理等多个方面。内容全面概览LLM最新进展、挑战和未来方向,同时讨论社会影响和安全性等议题。项目为研究人员和从业者提供深入了解LLM技术的重要参考资源。

LLMs-Finetuning-Safety - 大语言模型微调对安全性的潜在影响研究

GPT-3.5Githubharmful examples安全性开源项目微调语言模型

本研究探讨了对齐大语言模型微调可能带来的安全风险。实验表明，即使无意识的微调也可能降低模型安全性。通过对GPT-3.5 Turbo和Llama-2的实验，研究揭示了三个风险等级的微调场景:使用有害、隐含有害和良性数据集。结果显示微调后模型在多个类别中呈现更高有害性,凸显了平衡模型能力和安全性的挑战。

LLM-Tool-Survey - 大型语言模型工具学习调查研究

Github人工智能大语言模型工具学习开源项目综述自然语言处理

该研究系统性调查大型语言模型(LLMs)通过工具学习增强解决复杂问题能力。从工具学习的优势和实现方法两方面全面回顾现有文献,总结基准测试和评估方法,讨论当前挑战和未来方向,为相关研究和开发提供见解。

llm-guard - 大语言模型安全交互的全面防护工具

GithubLLM GuardProtect AI大语言模型安全开源项目数据泄漏

LLM Guard是由Protect AI设计的一款全面安全解决方案，专为保障大语言模型的安全互动而打造。它具备语言过滤、数据泄露预防和抗提示注入攻击等功能，确保互动安全和隐私。项目支持多种扫描器，能有效检测和防护潜在威胁。安装简便，易于集成到生产环境中，是提升LLM安全的理想工具。

TrustLLM - TrustLLM：全面大语言模型可信度研究工具

GithubICML 2024LLMTrustLLM工具包开源项目性能评估

TrustLLM是一款专注于评估大型语言模型（LLMs）可信度的工具包。涵盖八个维度的可信度原则，并在真相、安全、公平、鲁棒性、隐私和机器伦理等方面建立基准。TrustLLM提供便捷的评估工具，可以快速评估16种主流LLMs，帮助开发者提升模型可信度。项目已被ICML 2024接受，并持续更新以包括最新的模型和功能。详情请访问项目网站。

awesome-llm-security - 发现LLM安全工具和资源，了解大语言模型的安全挑战

Black-box attackDefenseGithubLLM SecurityToolsWhite-box attack开源项目

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。

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。

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。

吐司

探索Tensor.Art平台的独特AI模型，免费访问各种图像生成与AI训练工具，从Stable Diffusion等基础模型开始，轻松实现创新图像生成。体验前沿的AI技术，推动个人和企业的创新发展。

SubCat字幕猫

SubCat字幕猫APP是一款创新的视频播放器，它将改变您观看视频的方式！SubCat结合了先进的人工智能技术，为您提供即时视频字幕翻译，无论是本地视频还是网络流媒体，让您轻松享受各种语言的内容。

美间AI

美间AI创意设计平台，利用前沿AI技术，为设计师和营销人员提供一站式设计解决方案。从智能海报到3D效果图，再到文案生成，美间让创意设计更简单、更高效。

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