List your company

Jailbreak Attack Defense on GCG

0ASRSTAR-1
-0.9325.35911.6517.941Jan 31, 2026

Evaluation results

MethodLinks
STAR-1Model Scale=Qwen3-14B2026.010———
SafeKeyModel Scale=Qwen3-14B2026.010———
ReasoningGuardModel Scale=Qwen3-14B2026.010———
Self-ReminderModel Scale=Qwen3-14B2026.010———
Self-GuardModel Scale=Qwen3-14B2026.010———
SafeKeyModel Scale=Qwen3-4B2026.010.2———
SafeKeyModel Scale=Qwen3-8B2026.010.2———
Alpha-steerModel Scale=Qwen3-14B2026.010.2———
STAR-1Model Scale=Qwen3-4B2026.010.4———
Self-ReminderModel Scale=Qwen3-8B2026.010.4———
Self-GuardModel Scale=Qwen3-8B2026.010.4———
Self-ReminderModel Scale=Qwen3-4B2026.010.6———
Self-GuardModel Scale=Qwen3-4B2026.010.6———
STAR-1Model Scale=Qwen3-8B2026.010.6———
ReasoningGuardModel Scale=Qwen3-4B2026.010.8———
ReasoningGuardModel Scale=Qwen3-8B2026.010.8———
InstructModel Scale=Qwen3-14B2026.011.5———
Alpha-steerModel Scale=Qwen3-4B2026.013.7———
InstructModel Scale=Qwen3-8B2026.015.4———
Alpha-steerModel Scale=Qwen3-8B2026.015.6———
InstructModel Scale=Qwen3-4B2026.016.2———
SafeChainModel Scale=Qwen3-4B2026.0119.6———
SafeChainModel Scale=Qwen3-14B2026.0121———
SafeChainModel Scale=Qwen3-8B2026.0123.3———
No DefenseModel=R1-Qwen-14B2025.08——70.579.5
No DefenseModel=R1-Qwen-32B2025.08——45.563.6
ParaphraseModel=R1-Qwen-14B2025.08——8183
ParaphraseModel=R1-Qwen-32B2025.08——70.575
RealSafe-R1Model=R1-Qwen-14B2025.08——011.4
RealSafe-R1Model=R1-Qwen-32B2025.08——4.525
ReasoningGuardModel=R1-Qwen-14B2025.08——18.229.5
ReasoningGuardModel=R1-Qwen-32B2025.08——4.513.6
SafeKeyModel=R1-Qwen-14B2025.08——9.122.7
SAFEPATH-ZSModel=R1-Qwen-14B2025.08——18.243.2
SAFEPATH-ZSModel=R1-Qwen-32B2025.08——18.238.6
Self-ReminderModel=R1-Qwen-14B2025.08——47.752.3
Self-ReminderModel=R1-Qwen-32B2025.08——22.745.5
SmoothLLMModel=R1-Qwen-14B2025.08——5070.5
SmoothLLMModel=R1-Qwen-32B2025.08——54.584.1
ThinkingIModel=R1-Qwen-14B2025.08——2.318.2
ThinkingIModel=R1-Qwen-32B2025.08——2.334.1