fuzzbench

FuzzBench: Evaluación Comparativa de Fuzzers como Servicio FuzzBench es un servicio gratuito que evalúa fuzzers en una amplia variedad de referencias del mundo real, a escala de Google. El objetivo de FuzzBench es facilitar la evaluación rigurosa de la investigación en fuzzing y hacer que dicha...

Sparse Autoencoders Are Capable LLM Jailbreak Mitigators

Jailbreak attacks remain a persistent threat to large language model safety. We propose Context-Conditioned Delta Steering CC-Delta, an SAE-based defense that identifies jailbreak-relevant sparse features by comparing token-level representations of the same harmful request with and without...