Exponentiated-Gradient-Descent-LLM-Attack

更改自述文件。 这是一个探索指数梯度下降（Exponentiated Gradient Descent）优化方法来生成对抗性后缀，以攻击对齐的大型语言模型的项目。 该方法已被证明对具有 70 亿参数的 Llama-2 聊天模型有效。 要在多个行为（例如 20 个）上运行 pgd 脚本，请在 shell 中执行以下命令。 python runpgd.py --inputfile "/home/samuel/research/llmattacks/llm-attacks/data/advbench/harmfulbehaviors.csv" --outputfile...