skill-safety-bench

SkillSafetyBench SkillSafetyBench — это полностью материализованный бенчмарк для оценки сбоев безопасности, вызванных атаками на контекст, связанный с навыками skill-facing context. В каждом случае пользовательская задача остаётся обычной, а атака размещается в локальных навыках, вспомогательных...