Rubrics-as-an-Attack-Surface

Рубрики как поверхность атаки: скрытый дрейф предпочтений в LLM-судьях 📊 Датасет • 🤖 Обученные модели • 📝 Статья • 💻 Репозиторий Этот репозиторий содержит код для статьи Rubrics as an Attack Surface: Stealthy Preference Drift in LLM Judges авторов Ruomeng Ding, Yifei Pang, He Sun, Yizhong Wang,...