基准AdvBench数据集

AdvBench

用于评估大语言模型对抗攻击（尤其是越狱攻击）的基准数据集，包含多种有害指令和对抗性提示。

时间轴 (近 90 天)

10月27日

在 AdvBench 上针对 DeepSeek-V4-Flash，SEMA-Auto 在平均 3.0 回合内达到 76.0% 的 ASR@1。

待验证50%

10月27日

在 AdvBench 上针对 DeepSeek-V4-Flash，最好的静态基线在固定 7 回合下只有 54.8% 的 ASR@1。

待验证50%

10月27日

在 AdvBench 上针对 DeepSeek-V4-Flash，最好的交互式基线在 3.7 回合下为 43.8% 的 ASR@1。

待验证50%

8月30日

AdvBench由Zou等人发布，包含500余条有害行为指令和对抗性后缀

待验证50%

在 AdvBench 上针对 DeepSeek-V4-Flash，SEMA-Auto 在平均 3.0 回合内达到 76.0% 的 ASR@1。

在 AdvBench 上针对 DeepSeek-V4-Flash，最好的静态基线在固定 7 回合下只有 54.8% 的 ASR@1。

在 AdvBench 上针对 DeepSeek-V4-Flash，最好的交互式基线在 3.7 回合下为 43.8% 的 ASR@1。

AdvBench由Zou等人发布，包含500余条有害行为指令和对抗性后缀