Skip to main content
CenXiv.org
此网站处于试运行阶段,支持我们!
我们衷心感谢所有贡献者的支持。
贡献
赞助
cenxiv logo > cs > arXiv:2507.09820

帮助 | 高级搜索

计算机科学 > 软件工程

arXiv:2507.09820 (cs)
[提交于 2025年7月13日 ]

标题: 衡量重要性:一种评估现实世界大语言模型应用安全风险的框架

标题: Measuring What Matters: A Framework for Evaluating Safety Risks in Real-World LLM Applications

Authors:Jia Yi Goh, Shaun Khoo, Nyx Iskandar, Gabriel Chua, Leanne Tan, Jessica Foo
摘要: 目前,大多数针对大型语言模型(LLMs)的安全测试工作集中在评估基础模型上。 然而,随着系统提示、检索管道和防护机制等组件的引入,显著影响了LLM应用的整体安全性,因此在应用层面评估安全性变得越来越重要。 在本文中,我们介绍了一个用于评估LLM系统应用级别安全性的实用框架,并通过在我们组织内的多个用例中的实际部署进行了验证。 该框架包括两个部分:(1) 开发定制化安全风险分类的原则,以及(2) 评估LLM应用中安全风险的实践方法。 我们展示了所提出的框架如何在我们的内部试点中应用,为寻求扩展其安全测试工作的组织提供了参考点。 这项工作旨在弥合AI安全领域的理论概念与实际保护LLM应用的操作现实之间的差距,为安全且可扩展的部署提供可行的指导。
摘要: Most safety testing efforts for large language models (LLMs) today focus on evaluating foundation models. However, there is a growing need to evaluate safety at the application level, as components such as system prompts, retrieval pipelines, and guardrails introduce additional factors that significantly influence the overall safety of LLM applications. In this paper, we introduce a practical framework for evaluating application-level safety in LLM systems, validated through real-world deployment across multiple use cases within our organization. The framework consists of two parts: (1) principles for developing customized safety risk taxonomies, and (2) practices for evaluating safety risks in LLM applications. We illustrate how the proposed framework was applied in our internal pilot, providing a reference point for organizations seeking to scale their safety testing efforts. This work aims to bridge the gap between theoretical concepts in AI safety and the operational realities of safeguarding LLM applications in practice, offering actionable guidance for safe and scalable deployment.
主题: 软件工程 (cs.SE) ; 计算机与社会 (cs.CY)
引用方式: arXiv:2507.09820 [cs.SE]
  (或者 arXiv:2507.09820v1 [cs.SE] 对于此版本)
  https://doi.org/10.48550/arXiv.2507.09820
通过 DataCite 发表的 arXiv DOI

提交历史

来自: Jia Yi Goh [查看电子邮件]
[v1] 星期日, 2025 年 7 月 13 日 22:34:20 UTC (278 KB)
全文链接:

获取论文:

    查看标题为《》的 PDF
  • 查看中文 PDF
  • 查看 PDF
  • HTML(实验性)
  • TeX 源代码
  • 其他格式
许可图标 查看许可
当前浏览上下文:
cs.SE
< 上一篇   |   下一篇 >
新的 | 最近的 | 2025-07
切换浏览方式为:
cs
cs.CY

参考文献与引用

  • NASA ADS
  • 谷歌学术搜索
  • 语义学者
a 导出 BibTeX 引用 加载中...

BibTeX 格式的引用

×
数据由提供:

收藏

BibSonomy logo Reddit logo

文献和引用工具

文献资源探索 (什么是资源探索?)
连接的论文 (什么是连接的论文?)
Litmaps (什么是 Litmaps?)
scite 智能引用 (什么是智能引用?)

与本文相关的代码,数据和媒体

alphaXiv (什么是 alphaXiv?)
CatalyzeX 代码查找器 (什么是 CatalyzeX?)
DagsHub (什么是 DagsHub?)
Gotit.pub (什么是 GotitPub?)
Hugging Face (什么是 Huggingface?)
带有代码的论文 (什么是带有代码的论文?)
ScienceCast (什么是 ScienceCast?)

演示

复制 (什么是复制?)
Hugging Face Spaces (什么是 Spaces?)
TXYZ.AI (什么是 TXYZ.AI?)

推荐器和搜索工具

影响之花 (什么是影响之花?)
核心推荐器 (什么是核心?)
IArxiv 推荐器 (什么是 IArxiv?)
  • 作者
  • 地点
  • 机构
  • 主题

arXivLabs:与社区合作伙伴的实验项目

arXivLabs 是一个框架,允许合作伙伴直接在我们的网站上开发和分享新的 arXiv 特性。

与 arXivLabs 合作的个人和组织都接受了我们的价值观,即开放、社区、卓越和用户数据隐私。arXiv 承诺这些价值观,并且只与遵守这些价值观的合作伙伴合作。

有一个为 arXiv 社区增加价值的项目想法吗? 了解更多关于 arXivLabs 的信息.

这篇论文的哪些作者是支持者? | 禁用 MathJax (什么是 MathJax?)
  • 关于
  • 帮助
  • contact arXivClick here to contact arXiv 联系
  • 订阅 arXiv 邮件列表点击这里订阅 订阅
  • 版权
  • 隐私政策
  • 网络无障碍帮助
  • arXiv 运营状态
    通过...获取状态通知 email 或者 slack

京ICP备2025123034号