[논문리뷰] Identically Trained Language Models Break on Different Jailbreaks이 논문은 하나의 checkpoint에서 측정한 jailbreak 취약성이 그 모델의 data와 safety training의 속성인지, 아니면 특정 pretraining run의 우연적 산물인지를 묻는다.#Review#Jailbreak Robustness#Pretraining Seed Variance#Safety Post-training#Refusal Behavior#Spearman Correction#Model Fingerprinting#DataDecide#Red-teaming Evaluation2026년 11월 5일댓글 수 로딩 중