FORTRESS

简介

FORTRESS 使用专家设计的高风险请求评估模型防护，覆盖 CBRNE、政治暴力与恐怖主义、违法金融等领域。默认指标为对抗请求的 Average Risk Score（ARS），越低越好；Over-Refusal Score（ORS）衡量对正常请求的过度拒答，须保留其独立尺度，不与 ARS 相加或互换。公开集 500 题，官方排行榜使用私有集；完整基准超过 1010 条请求，运行须注明使用的分区。