five

oliverdk/user-gender-adversarial-Qwen2.5-32B-Instruct-revised

收藏
Hugging Face2025-11-13 更新2025-11-15 收录
下载链接:
https://hf-mirror.com/datasets/oliverdk/user-gender-adversarial-Qwen2.5-32B-Instruct-revised
下载链接
链接失效反馈
官方服务:
资源简介:
该数据集包含由Qwen2.5-32B-Instruct生成的对抗性性别提示和拒绝响应,并使用GPT-4.1进行过滤以去除性别泄露。该数据集的灵感来源于一篇关于从语言模型中引出秘密知识的论文。

The dataset contains adversarial gender prompts with refusal responses generated by Qwen2.5-32B-Instruct and filtered with GPT-4.1 to remove gender leakage. The inspiration for the dataset comes from a paper on eliciting secret knowledge from language models.
提供机构:
oliverdk
5,000+
优质数据集
54 个
任务类型
进入经典数据集
二维码
社区交流群

面向社区/商业的数据集话题

二维码
科研交流群

面向高校/科研机构的开源数据集话题

数据驱动未来

携手共赢发展

商业合作