AI Red Teamers 评估模型设计过程中做出的选择(如架构选择、正则化技术、集成方法)是否有效有助于对抗预期攻击。他们测试这些设计选择是否真正防止了威胁建模过程中识别出的常见故障模式。
用自己的话写下这一站的结论。