DarianNLP/logprob_mda_dataset

---
dataset_info:
features:
- name: prompt
dtype: string
- name: llama_response
dtype: string
- name: refused
dtype: int64
- name: prompt_label
dtype: string
- name: source
dtype: string
- name: refusal_logprob
dtype: float64
- name: feat_10000_direct_inquiries_and_tasks_harmless
dtype: float64
- name: feat_10737_explaining_concepts_or_skills_harmless
dtype: float64
- name: feat_1083_direct_problem_solving_queries_harmless
dtype: float64
- name: feat_10878_directed_fictional_content_generation_harmful
dtype: float64
- name: feat_10940_request_for_negative_group_stereotypes_harmful
dtype: float64
- name: feat_11007_requests_for_sensitive_details_harmful
dtype: float64
- name: feat_11223_metaphorical_aggression_for_positive_goals_harmless
dtype: float64
- name: feat_11236_prompting_group_denigration_harmful
dtype: float64
- name: feat_11382_factual_and_explanatory_content_requests_harmless
dtype: float64
- name: feat_11430_harmful_prescriptive_medical_advice_harmful
dtype: float64
- name: feat_11634_specific_information_content_requests_harmless
dtype: float64
- name: feat_11761_specific_instructional_prompts_harmful
dtype: float64
- name: feat_11861_direct_task_information_request_harmless
dtype: float64
- name: feat_12102_structured_information_request_harmful
dtype: float64
- name: feat_12232_specific_information_procedure_requests_harmless
dtype: float64
- name: feat_1227_harmful_framing_or_instruction_harmful
dtype: float64
- name: feat_1581_potentially_problematic_information_requests_harmful
dtype: float64
- name: feat_1636_requesting_sensitive_private_data_harmful
dtype: float64
- name: feat_1728_task_oriented_communication_processing_harmless
dtype: float64
- name: feat_1742_general_assistant_tasks_harmless
dtype: float64
- name: feat_1836_benign_informational_analytical_requests_harmless
dtype: float64
- name: feat_2197_requests_for_exploitation_tactics_harmful
dtype: float64
- name: feat_2827_language_requiring_scrutiny_harmless
dtype: float64
- name: feat_286_corporate_contractual_financial_specifics_harmless
dtype: float64
- name: feat_2945_harmless_procedural_technical_tasks_harmless
dtype: float64
- name: feat_3183_instructional_text_operations_harmless
dtype: float64
- name: feat_3248_crafting_deceptive_exploitative_content_harmful
dtype: float64
- name: feat_3277_knowledge_and_explanation_queries_harmless
dtype: float64
- name: feat_3368_guidance_for_self_improvement_understanding_harmless
dtype: float64
- name: feat_3536_concise_information_extraction_harmless
dtype: float64
- name: feat_3767_explicit_content_boundary_requests_harmless
dtype: float64
- name: feat_3772_facilitating_misguidance_or_illicit_acts_harmful
dtype: float64
- name: feat_3868_request_for_public_address_harmless
dtype: float64
- name: feat_3895_direct_factual_retrieval_task_harmless
dtype: float64
- name: feat_3915_harmful_instructional_content_harmful
dtype: float64
- name: feat_4027_enumeration_and_list_prompts_harmless
dtype: float64
- name: feat_4112_serious_factual_inquiry_harmless
dtype: float64
- name: feat_4202_communication_&_information_security_harmless
dtype: float64
- name: feat_4205_personal_difficulties_and_coping_harmless
dtype: float64
- name: feat_4211_generating_group_based_discrimination_harmful
dtype: float64
- name: feat_4319_specific,_direct_inquiry_instruction_harmless
dtype: float64
- name: feat_4396_publicly_disclosed_personal_health_harmful
dtype: float64
- name: feat_4528_organizational_risk_communications_harmful
dtype: float64
- name: feat_4590_soliciting_discriminatory_narratives_harmless
dtype: float64
- name: feat_4644_specific_information_retrieval_harmless
dtype: float64
- name: feat_4991_conspiracy_theory_generation_promotion_harmful
dtype: float64
- name: feat_5449_request_for_email_subject_lines_harmful
dtype: float64
- name: feat_5505_email_subject_line_task_harmless
dtype: float64
- name: feat_5509_simple_linguistic_task_prompts_harmless
dtype: float64
- name: feat_573_specific_information_or_action_request_harmful
dtype: float64
- name: feat_6090_information_management_and_analysis_harmless
dtype: float64
- name: feat_6238_factual_definition_queries_harmless
dtype: float64
- name: feat_6469_academic_advocacy_content_task_harmless
dtype: float64
- name: feat_6499_constructive_guidance_seeking_harmless
dtype: float64
- name: feat_6562_direct_task_information_seeking_harmless
dtype: float64
- name: feat_6733_content_&_information_integrity_harmful
dtype: float64
- name: feat_6815_generating_influential_content_harmful
dtype: float64
- name: feat_7063_directive_explanations_&_creations_harmless
dtype: float64
- name: feat_7100_requests_for_specific_actionable_data_harmful
dtype: float64
- name: feat_7261_seeking_safety_and_protection_guidance_harmless
dtype: float64
- name: feat_7294_propagating_harmful_or_fraudulent_actions_harmful
dtype: float64
- name: feat_7480_email_subject_line_query_harmless
dtype: float64
- name: feat_7565_instructional_content_generation_harmless
dtype: float64
- name: feat_7575_explicit_information_requests_harmless
dtype: float64
- name: feat_7677_constrained_text_generation_instruction_harmless
dtype: float64
- name: feat_7897_action_oriented_practical_queries_harmless
dtype: float64
- name: feat_7940_strategic_deception_or_corporate_manipulation_harmful
dtype: float64
- name: feat_7971_factual_entity_information_queries_harmless
dtype: float64
- name: feat_8063_noteworthy_entities'_positive_ethical_aspects_harmless
dtype: float64
- name: feat_808_promoting_group_discrimination_by_traits_harmful
dtype: float64
- name: feat_8193_detailed_content_generation_requests_harmful
dtype: float64
- name: feat_823_instructions_for_mathematical_tasks_harmless
dtype: float64
- name: feat_8240_explicit_structured_information_tasks_harmless
dtype: float64
- name: feat_8643_neutral_framed_content_tasks_harmless
dtype: float64
- name: feat_9081_managing_sensitive_critical_information_harmful
dtype: float64
- name: feat_910_email_subject_line_task_harmless
dtype: float64
- name: feat_9267_contextually_harmless_fictional_scenarios_harmless
dtype: float64
- name: feat_9623_disinformation_for_manipulation_harmful
dtype: float64
- name: feat_9649_**soliciting_harmful_content_creation**_harmful
dtype: float64
- name: feat_9994_requests_for_n_item_lists_harmless
dtype: float64
splits:
- name: train
num_bytes: 7048606
num_examples: 5500
download_size: 4181665
dataset_size: 7048606
configs:
- config_name: default
data_files:
- split: train
path: data/train-*
---

dataset_info:
features:
- 名称：提示词（prompt），数据类型：字符串
- 名称：Llama模型回复（llama_response），数据类型：字符串
- 名称：拒绝标识（refused），数据类型：64位整数
- 名称：提示词标签（prompt_label），数据类型：字符串
- 名称：来源（source），数据类型：字符串
- 名称：拒绝对数概率（refusal_logprob），数据类型：64位浮点数
- 名称：无害的直接询问与任务类特征（feat_10000_direct_inquiries_and_tasks_harmless），数据类型：64位浮点数
- 名称：无害的概念或技能解释类特征（feat_10737_explaining_concepts_or_skills_harmless），数据类型：64位浮点数
- 名称：无害的直接问题求解查询类特征（feat_1083_direct_problem_solving_queries_harmless），数据类型：64位浮点数
- 名称：有害的定向虚构内容生成类特征（feat_10878_directed_fictional_content_generation_harmful），数据类型：64位浮点数
- 名称：有害的负面群体刻板印象请求类特征（feat_10940_request_for_negative_group_stereotypes_harmful），数据类型：64位浮点数
- 名称：有害的敏感细节诉求类特征（feat_11007_requests_for_sensitive_details_harmful），数据类型：64位浮点数
- 名称：无害的正向隐喻攻击类特征（feat_11223_metaphorical_aggression_for_positive_goals_harmless），数据类型：64位浮点数
- 名称：有害的群体诋毁诱导类特征（feat_11236_prompting_group_denigration_harmful），数据类型：64位浮点数
- 名称：无害的事实与解释内容请求类特征（feat_11382_factual_and_explanatory_content_requests_harmless），数据类型：64位浮点数
- 名称：有害的规范性医疗建议类特征（feat_11430_harmful_prescriptive_medical_advice_harmful），数据类型：64位浮点数
- 名称：无害的特定信息内容请求类特征（feat_11634_specific_information_content_requests_harmless），数据类型：64位浮点数
- 名称：有害的特定指令提示类特征（feat_11761_specific_instructional_prompts_harmful），数据类型：64位浮点数
- 名称：无害的直接任务信息请求类特征（feat_11861_direct_task_information_request_harmless），数据类型：64位浮点数
- 名称：有害的结构化信息请求类特征（feat_12102_structured_information_request_harmful），数据类型：64位浮点数
- 名称：无害的特定信息流程请求类特征（feat_12232_specific_information_procedure_requests_harmless），数据类型：64位浮点数
- 名称：有害的有害框架或指令类特征（feat_1227_harmful_framing_or_instruction_harmful），数据类型：64位浮点数
- 名称：有害的潜在问题信息请求类特征（feat_1581_potentially_problematic_information_requests_harmful），数据类型：64位浮点数
- 名称：有害的敏感私人数据请求类特征（feat_1636_requesting_sensitive_private_data_harmful），数据类型：64位浮点数
- 名称：无害的面向任务的通信处理类特征（feat_1728_task_oriented_communication_processing_harmless），数据类型：64位浮点数
- 名称：无害的通用助手任务类特征（feat_1742_general_assistant_tasks_harmless），数据类型：64位浮点数
- 名称：无害的良性信息分析请求类特征（feat_1836_benign_informational_analytical_requests_harmless），数据类型：64位浮点数
- 名称：有害的开发策略请求类特征（feat_2197_requests_for_exploitation_tactics_harmful），数据类型：64位浮点数
- 名称：无害的需审视语言类特征（feat_2827_language_requiring_scrutiny_harmless），数据类型：64位浮点数
- 名称：无害的企业合同财务细节类特征（feat_286_corporate_contractual_financial_specifics_harmless），数据类型：64位浮点数
- 名称：无害的程序性技术任务类特征（feat_2945_harmless_procedural_technical_tasks_harmless），数据类型：64位浮点数
- 名称：无害的指令文本操作类特征（feat_3183_instructional_text_operations_harmless），数据类型：64位浮点数
- 名称：有害的制作欺骗性开发内容类特征（feat_3248_crafting_deceptive_exploitative_content_harmful），数据类型：64位浮点数
- 名称：无害的知识与解释查询类特征（feat_3277_knowledge_and_explanation_queries_harmless），数据类型：64位浮点数
- 名称：无害的自我提升理解指导类特征（feat_3368_guidance_for_self_improvement_understanding_harmless），数据类型：64位浮点数
- 名称：无害的简洁信息提取类特征（feat_3536_concise_information_extraction_harmless），数据类型：64位浮点数
- 名称：无害的明确内容边界请求类特征（feat_3767_explicit_content_boundary_requests_harmless），数据类型：64位浮点数
- 名称：有害的误导或非法行为协助类特征（feat_3772_facilitating_misguidance_or_illicit_acts_harmful），数据类型：64位浮点数
- 名称：无害的公开演讲请求类特征（feat_3868_request_for_public_address_harmless），数据类型：64位浮点数
- 名称：无害的直接事实检索任务类特征（feat_3895_direct_factual_retrieval_task_harmless），数据类型：64位浮点数
- 名称：有害的有害教学内容类特征（feat_3915_harmful_instructional_content_harmful），数据类型：64位浮点数
- 名称：无害的枚举与列表提示类特征（feat_4027_enumeration_and_list_prompts_harmless），数据类型：64位浮点数
- 名称：无害的严肃事实查询类特征（feat_4112_serious_factual_inquiry_harmless），数据类型：64位浮点数
- 名称：无害的通信与信息安全类特征（feat_4202_communication_&_information_security_harmless），数据类型：64位浮点数
- 名称：无害的个人困境与应对类特征（feat_4205_personal_difficulties_and_coping_harmless），数据类型：64位浮点数
- 名称：有害的基于群体的歧视生成类特征（feat_4211_generating_group_based_discrimination_harmful），数据类型：64位浮点数
- 名称：无害的特定直接查询指令类特征（feat_4319_specific,_direct_inquiry_instruction_harmless），数据类型：64位浮点数
- 名称：有害的公开披露个人健康信息类特征（feat_4396_publicly_disclosed_personal_health_harmful），数据类型：64位浮点数
- 名称：有害的组织风险沟通类特征（feat_4528_organizational_risk_communications_harmful），数据类型：64位浮点数
- 名称：无害的寻求歧视性叙事类特征（feat_4590_soliciting_discriminatory_narratives_harmless），数据类型：64位浮点数
- 名称：无害的特定信息检索类特征（feat_4644_specific_information_retrieval_harmless），数据类型：64位浮点数
- 名称：有害的阴谋论生成与宣扬类特征（feat_4991_conspiracy_theory_generation_promotion_harmful），数据类型：64位浮点数
- 名称：有害的邮件主题请求类特征（feat_5449_request_for_email_subject_lines_harmful），数据类型：64位浮点数
- 名称：无害的邮件主题行任务类特征（feat_5505_email_subject_line_task_harmless），数据类型：64位浮点数
- 名称：无害的简单语言任务提示类特征（feat_5509_simple_linguistic_task_prompts_harmless），数据类型：64位浮点数
- 名称：有害的特定信息或动作请求类特征（feat_573_specific_information_or_action_request_harmful），数据类型：64位浮点数
- 名称：无害的信息管理与分析类特征（feat_6090_information_management_and_analysis_harmless），数据类型：64位浮点数
- 名称：无害的事实定义查询类特征（feat_6238_factual_definition_queries_harmless），数据类型：64位浮点数
- 名称：无害的学术倡导内容任务类特征（feat_6469_academic_advocacy_content_task_harmless），数据类型：64位浮点数
- 名称：无害的建设性指导寻求类特征（feat_6499_constructive_guidance_seeking_harmless），数据类型：64位浮点数
- 名称：无害的直接任务信息寻求类特征（feat_6562_direct_task_information_seeking_harmless），数据类型：64位浮点数
- 名称：有害的内容与信息完整性类特征（feat_6733_content_&_information_integrity_harmful），数据类型：64位浮点数
- 名称：有害的有影响力内容生成类特征（feat_6815_generating_influential_content_harmful），数据类型：64位浮点数
- 名称：无害的指令性解释与创作类特征（feat_7063_directive_explanations_&_creations_harmless），数据类型：64位浮点数
- 名称：有害的特定可操作数据请求类特征（feat_7100_requests_for_specific_actionable_data_harmful），数据类型：64位浮点数
- 名称：无害的安全与保护指导寻求类特征（feat_7261_seeking_safety_and_protection_guidance_harmless），数据类型：64位浮点数
- 名称：有害的有害或欺诈行为传播类特征（feat_7294_propagating_harmful_or_fraudulent_actions_harmful），数据类型：64位浮点数
- 名称：无害的邮件主题行查询类特征（feat_7480_email_subject_line_query_harmless），数据类型：64位浮点数
- 名称：无害的教学内容生成类特征（feat_7565_instructional_content_generation_harmless），数据类型：64位浮点数
- 名称：无害的明确信息请求类特征（feat_7575_explicit_information_requests_harmless），数据类型：64位浮点数
- 名称：无害的约束文本生成指令类特征（feat_7677_constrained_text_generation_instruction_harmless），数据类型：64位浮点数
- 名称：无害的面向动作的实用查询类特征（feat_7897_action_oriented_practical_queries_harmless），数据类型：64位浮点数
- 名称：有害的战略欺骗或企业操纵类特征（feat_7940_strategic_deception_or_corporate_manipulation_harmful），数据类型：64位浮点数
- 名称：无害的事实实体信息查询类特征（feat_7971_factual_entity_information_queries_harmless），数据类型：64位浮点数
- 名称：无害的知名实体积极伦理方面类特征（feat_8063_noteworthy_entities'_positive_ethical_aspects_harmless），数据类型：64位浮点数
- 名称：有害的基于特质的群体歧视宣扬类特征（feat_808_promoting_group_discrimination_by_traits_harmful），数据类型：64位浮点数
- 名称：有害的详细内容生成请求类特征（feat_8193_detailed_content_generation_requests_harmful），数据类型：64位浮点数
- 名称：无害的数学任务指令类特征（feat_823_instructions_for_mathematical_tasks_harmless），数据类型：64位浮点数
- 名称：无害的显式结构化信息任务类特征（feat_8240_explicit_structured_information_tasks_harmless），数据类型：64位浮点数
- 名称：无害的中性框架内容任务类特征（feat_8643_neutral_framed_content_tasks_harmless），数据类型：64位浮点数
- 名称：有害的敏感关键信息管理类特征（feat_9081_managing_sensitive_critical_information_harmful），数据类型：64位浮点数
- 名称：无害的邮件主题行任务类特征（feat_910_email_subject_line_task_harmless），数据类型：64位浮点数
- 名称：无害的上下文无害虚构场景类特征（feat_9267_contextually_harmless_fictional_scenarios_harmless），数据类型：64位浮点数
- 名称：有害的操纵性虚假信息类特征（feat_9623_disinformation_for_manipulation_harmful），数据类型：64位浮点数
- 名称：有害的诱导有害内容创作类特征（feat_9649_soliciting_harmful_content_creation_harmful），数据类型：64位浮点数
- 名称：无害的N项列表请求类特征（feat_9994_requests_for_n_item_lists_harmless），数据类型：64位浮点数
splits:
- 名称：训练集（train），字节数：7048606，样本数：5500
download_size: 4181665
dataset_size: 7048606
configs:
- 配置名称：默认（default），数据文件：
- 拆分：训练集（train），路径：data/train-*