AutoRAN-public

🧠 AutoRAN: автоматический перехват механизма безопасных рассуждений в больших моделях рассуждений AutoRAN — это инструмент автоматического перехвата механизма безопасных рассуждений Hijacking of Safety Reasoning, который использует менее выровненные вторичные вспомогательные модели для имитации...