Rubrics-as-an-Attack-Surface

攻撃対象としてのルーブリック: LLM審査員におけるステルスな選好ドリフト 📊 データセット • 🤖 学習済みモデル • 📝 論文 • 💻 リポジトリ このリポジトリには、Ruomeng Ding、Yifei Pang、He Sun、Yizhong Wang、Steven Wu、Zhun Dengによる論文攻撃対象としてのルーブリック: LLM審査員におけるステルスな選好ドリフトのコードが含まれています。...