مقدمه مدل‌های زبانی بزرگ (Large Language Models) به طور فزاینده‌ای در زمینه‌های مختلف کاربرد دارند. با این حال، یکی از چالش‌های عمده‌ای که این مدل‌ها با آن مواجه هستند، رفتارهای غیرقابل پیش‌بینی آن‌ها در مواجهه با ورودی‌های تحریک‌آمیز مانند فریب و نقش هجومی (جیلبرک) است. در این مقاله، به بررسی…