rhetorical-fallacies

标签

#rhetorical-fallacies

DeflectBench: 评估大型语言模型中修辞谬误生成的基准

arXiv cs.CL ↗ · 2026-08-28 缓存

DeflectBench引入了一个基准，用于评估大型语言模型生成的修辞谬误，揭示了安全拒绝高度敏感于提示框架而非声明内容，模型表现出不同的合规特征。

0 人收藏 0 人点赞

← 返回首页

提交意见反馈