List your company

Jailbreak Attack Defense on PAIR

1ASRSelf-Reminder
-1.0812.962741.04Jan 31, 2026

Evaluation results

MethodLinks
Self-ReminderModel Scale=Qwen3-14B2026.011———
Self-GuardModel Scale=Qwen3-14B2026.011———
Self-GuardModel Scale=Qwen3-4B2026.013———
ReasoningGuardModel Scale=Qwen3-4B2026.014———
Self-GuardModel Scale=Qwen3-8B2026.015———
ReasoningGuardModel Scale=Qwen3-8B2026.016———
Self-ReminderModel Scale=Qwen3-4B2026.017———
STAR-1Model Scale=Qwen3-8B2026.017———
STAR-1Model Scale=Qwen3-14B2026.017———
Self-ReminderModel Scale=Qwen3-8B2026.019———
ReasoningGuardModel Scale=Qwen3-14B2026.019———
SafeKeyModel Scale=Qwen3-14B2026.0110———
STAR-1Model Scale=Qwen3-4B2026.0111———
SafeKeyModel Scale=Qwen3-8B2026.0114———
Alpha-steerModel Scale=Qwen3-14B2026.0115———
SafeKeyModel Scale=Qwen3-4B2026.0117———
SafeChainModel Scale=Qwen3-4B2026.0127———
SafeChainModel Scale=Qwen3-14B2026.0127———
InstructModel Scale=Qwen3-14B2026.0137———
SafeChainModel Scale=Qwen3-8B2026.0138———
Alpha-steerModel Scale=Qwen3-8B2026.0140———
Alpha-steerModel Scale=Qwen3-4B2026.0150———
InstructModel Scale=Qwen3-4B2026.0153———
InstructModel Scale=Qwen3-8B2026.0153———
No DefenseModel=R1-Qwen-14B2025.08——68.297.7
No DefenseModel=R1-Qwen-32B2025.08——40.995.5
ParaphraseModel=R1-Qwen-14B2025.08——59.1100
ParaphraseModel=R1-Qwen-32B2025.08——54.597.7
RealSafe-R1Model=R1-Qwen-14B2025.08——15.938.6
RealSafe-R1Model=R1-Qwen-32B2025.08——15.961.4
ReasoningGuardModel=R1-Qwen-14B2025.08——15.950
ReasoningGuardModel=R1-Qwen-32B2025.08——022.7
SafeKeyModel=R1-Qwen-14B2025.08——2586.4
SAFEPATH-ZSModel=R1-Qwen-14B2025.08——43.286.4
SAFEPATH-ZSModel=R1-Qwen-32B2025.08——40.979.5
Self-ReminderModel=R1-Qwen-14B2025.08——47.790.9
Self-ReminderModel=R1-Qwen-32B2025.08——40.990.9
SmoothLLMModel=R1-Qwen-14B2025.08——52.395.5
SmoothLLMModel=R1-Qwen-32B2025.08——56.895.5
ThinkingIModel=R1-Qwen-14B2025.08——13.665.9
ThinkingIModel=R1-Qwen-32B2025.08——18.290.9