Hugging Face 推出 Red-Teaming Resistance Leaderboard：用人类越狱提示词测试前沿模型的抗红队能力

Haize Labs 在 Hugging Face 团队支持下推出 Red Teaming Resistance Benchmark，用 AdvBench、Beavertails、Do Not Answer 等多个红队数据集中的高质量人类越狱提示词，系统测试前沿 LLM 在极端红队攻击下的鲁棒性。