[控场AI]
基准Tensor Trust

Tensor Trust

一个用于评估提示注入防御能力的基准数据集,包含对抗性提示和防御任务。

时间轴 (近 90 天)

11月10日

该审计基准覆盖NLI(e-SNLI)、对抗性句法捷径(HANS)、合成临床分诊(N=900)、提示注入防御(Tensor Trust,N=250)以及86例逻辑门触发套件。

待验证50%
11月10日

在提示注入防御任务(N=250)中,4B及以上System 1模型达到0.988至0.998的AUROC,召回率最高95.2%,在48至60毫秒延迟下实现0.0%的误报。

待验证50%

全部知识事实 (2)

来源文章