ガイド連動クイズ · 中 レベル

脱獄とレッドチームに関するクイズ

ジェイルブレイク、ロングコンテキスト攻撃、レッドチームテスト、および安全性評価に敵対的プロンプトを含める必要がある理由を確認します。実際に。

関連するガイドパス脱獄とレッドチーム化
質問 1 の 8

脱獄プロンプトの主な目的は何ですか?

すべての質問をプレビューする8 質問

クイズに答えると、答えと解説が表示されます。

  1. 脱獄プロンプトの主な目的は何ですか?
    • モデルに組み込みの安全ルールをバイパスさせるには
    • モデルの応答時間を短縮するには
    • テキストを別の言語に翻訳するには
    • モデルの実行コストを削減するには
  2. How does NIST define red teaming in the AI context?
    • Training a model to imitate a specific person
    • Structured adversarial testing to find flaws, vulnerabilities or unexpected system behaviors
    • A way to increase context length
    • A method for compressing neural-network weights
  3. コンテキスト ウィンドウが長くなると、なぜマルチショット ジェイルブレイクがうまく機能するのでしょうか?
    • 長いプロンプトは処理コストが安くなる
    • コンテキストが長くなると、安全性分類子が自動的に無効になります
    • モデルには、その動作を変える多くの偽の準拠サンプルが溢れかえる可能性があります。
    • モデルは 100 単語を超えると元の指示を忘れます
  4. What does a Constitutional Classifier defense add in the cited study?
    • A larger context window only
    • A database of human names
    • An automatic guarantee that all harmful outputs are impossible
    • Classifiers trained on synthetic examples from natural-language rules to screen harmful inputs or outputs
  5. What did the Many-shot Jailbreaking study demonstrate about safeguards?
    • In its tested settings, long-context demonstrations could elicit behavior that safety training aimed to prevent
    • Every model always complies with every harmful request
    • Safety classifiers eliminate every possible attack
    • The study only measured speech recognition accuracy
  6. What does the RedAgent paper automate in its red-team method?
    • The training of a new foundation model from scratch
    • Generation of context-aware jailbreak prompts using an autonomous language-agent system
    • The legal review of every generated answer
    • The deletion of all model safety policies
  7. What relationship did the Many-shot Jailbreaking study report between demonstration count and attack effectiveness?
    • It dropped to zero after one example
    • It was identical for every context size
    • Effectiveness followed a power law up to hundreds of demonstrations in tested settings
    • It depended only on image resolution
  8. What should a red-team report include to make findings interpretable?
    • Only one successful prompt without context
    • A claim that all models fail identically
    • The model’s hidden training data
    • The tested model and version, prompt conditions, evaluation scope and limitations