shalanova/benchmark-2-arabic-gt

该数据集主要包含提示注入和典型的越狱式指令，具有相对同质的攻击模式。数据集包含1000个提示，其中500个为安全提示，500个为不安全提示。数据集列包括：原始提示文本、标签（0表示安全，1表示不安全）、通过Google Translate翻译成阿拉伯语的提示文本以及与代码书嵌入的余弦相似度得分。

This dataset primarily contains prompt-injection and canonical jailbreak-style instructions with relatively homogeneous attack patterns. It consists of 1,000 prompts (500 safe / 500 unsafe). The columns include: original prompt text, label (0: safe, 1: unsafe), prompt translated into Arabic by Google Translate, and cosine similarity score with codebook embeddings.