Share your thoughts, 1 month free Claude Pro on usSee more
WorkDL logo mark

Jailbreak Attack on STRONGREJECT (held-out behaviors)

100ASR (0.5 threshold)

PAIR

58.469.28090.8Jun 2, 2026
Updated 1mo ago

Evaluation Results

MethodLinks
2026.06
100
2026.06
100
2026.06
100
2026.06
100
2026.06
100
2026.06
100
2026.06
100
2026.06
100
2026.06
100
2026.06
100
2026.06
100
2026.06
100
2026.06
100
2026.06
100
2026.06
100
2026.06
100
2026.06
100
2026.06
100
2026.06
100
2026.06
100
2026.06
97
2026.06
97
2026.06
97
2026.06
97
2026.06
97
2026.06
97
2026.06
95
2026.06
95
2026.06
94
2026.06
93
2026.06
93
2026.06
93
2026.06
93
2026.06
92
2026.06
90
2026.06
90
2026.06
89
2026.06
89
2026.06
88
2026.06
88
2026.06
88
2026.06
87
2026.06
85
2026.06
85
2026.06
85
2026.06
85
2026.06
85
2026.06
85
2026.06
85
2026.06
85
2026.06
83
2026.06
82
2026.06
82
2026.06
82
2026.06
82
2026.06
82
2026.06
81
2026.06
80
2026.06
80
2026.06
80
2026.06
80
2026.06
80
2026.06
80
2026.06
79
2026.06
78
2026.06
78
2026.06
78
2026.06
78
2026.06
78
2026.06
78
2026.06
78
2026.06
77
2026.06
76
2026.06
75
2026.06
75
2026.06
75
2026.06
75
2026.06
74
2026.06
72
2026.06
72
2026.06
72
2026.06
72
2026.06
70
2026.06
70
2026.06
70
2026.06
69
2026.06
67
2026.06
67
2026.06
65
2026.06
65
2026.06
65
2026.06
64
2026.06
62
2026.06
62
2026.06
62
2026.06
62
2026.06
61
2026.06
60
2026.06
60
2026.06
60
Showing 100 of 186 rows