List your company

Jailbreak Defense on AdvBench

0ASR (PAIR)LoRA
-1.689.662132.34May 11, 2026May 14, 2026May 17, 2026May 20, 2026May 23, 2026May 26, 2026May 29, 2026

Evaluation results

MethodLinks
LoRABase Model=Llama2-7B-chat2026.050——0———2————
LEDBase Model=Llama2-7B-chat2026.050——1———0————
Circuit BreakersBase Model=Llama2-7B-chat2026.050——0———0————
EVA (text)Base Model=Llama2-7B-chat2026.050——0———0————
EVA (text)Base Model=Mistral-7B-Instruct-v0.22026.050——11———2————
SafeDecodingBase Model=Llama3.1-8B-Instruct2026.050——1———0————
LEDBase Model=Llama3.1-8B-Instruct2026.050——7———0————
Circuit BreakersBase Model=Llama3.1-8B-Instruct2026.050——0———0————
EVA (text)Base Model=Llama3.1-8B-Instruct2026.050——0———1————
Self DefenseModel=Claude-4.5-haiku2026.050—————————0.80
Semantic SmoothModel=Claude-4.5-haiku2026.050—————————00
IBProtectorModel=Claude-4.5-haiku2026.050—————————00
SmoothLLMModel=Claude-4.5-haiku2026.050.8—————————00
EvoDefenseModel=Claude-4.5-haiku2026.050.8—————————00
EvoDefenseModel=GPT-5-chat2026.050.8—————————0.80
VanillaBase Model=Llama2-7B-chat2026.051——19———39————
EVA (text)Base Model=Qwen2.5-7B-Instruct2026.051——0———0————
RA-LLMModel=LLaMA3-8B-instruct2026.051.7——66.7———0——2.53.3
Semantic SmoothModel=LLaMA3-8B-instruct2026.051.7——20.8———0——1.74.2
NoneModel=Claude-4.5-haiku2026.051.7—————————00
Erase-and-CheckTarget LLM=Llama-22026.052——————014———
DR-Smoothing-UniformTarget LLM=Llama-22026.052——————0.36———
DR-Smoothing-PolicyTarget LLM=Llama-22026.052——————01———
Circuit BreakersBase Model=Mistral-7B-Instruct-v0.22026.052——14———3————
LEDBase Model=Qwen2.5-7B-Instruct2026.052——0———0————
Self DefenseModel=GPT-5-chat2026.052.5—————————3.31.7
IBProtectorModel=LLaMA3-8B-instruct2026.053.3——39.2———0——06.7
EvoDefenseModel=LLaMA3-8B-instruct2026.053.3——0———0——00.8
Semantic SmoothModel=GPT-5-chat2026.053.3—————————05.8
IBProtectorModel=GPT-5-chat2026.053.3—————————1.75.8
SemanticSmooth-PolicyTarget LLM=Llama-22026.054——————06———
SafeDecodingBase Model=Llama2-7B-chat2026.054——0———4————
VanillaBase Model=Llama3.1-8B-Instruct2026.054——31———47————
LoRABase Model=Llama3.1-8B-Instruct2026.054——33———34————
Semantic SmoothModel=Qwen-7B-chat2026.054.2——10———0——3.324.2
LEDBase Model=Vicuna-7B-v1.52026.055——9———6————
EVA (text)Base Model=Vicuna-7B-v1.52026.055——2———2————
Circuit BreakersBase Model=Qwen2.5-7B-Instruct2026.055——0———0————
EvoDefenseModel=Qwen-7B-chat2026.055——0.8———0——56.7
SmoothLLMModel=GPT-5-chat2026.055—————————8.35.8
Self DefenseModel=LLaMA3-8B-instruct2026.055.8——50.8———0.8——5.817.5
EvoDefenseModel=Gemini-3-flash2026.055.8—————————52.5
Erase-and-CheckTarget LLM=Vicuna2026.056——————037———
Erase-and-CheckTarget LLM=Qwen2.52026.056——————10.334———
SmoothLLMTarget LLM=Llama-22026.056——————0.824———
SemanticSmooth-UniformTarget LLM=Llama-22026.056——————2.616———
EvoDefenseModel=Vicuna-7B-v1.52026.057.5——0———0——12.511.7
EvoDefenseModel=Mistral-7B-v0.22026.057.5——0———0.8——8.38.3
Erase-and-CheckTarget LLM=GPT-3.5-turbo2026.058———————40———
SafeDecodingBase Model=Vicuna-7B-v1.52026.058——20———4————
Circuit BreakersBase Model=Vicuna-7B-v1.52026.058——2———5————
NoneModel=GPT-5-chat2026.058.3—————————9.211.7
IBProtectorModel=Gemini-3-flash2026.059.2—————————58.3
DR-Smoothing-PolicyTarget LLM=Qwen2.52026.0510——————138———
LoRABase Model=Qwen2.5-7B-Instruct2026.0510——82———38————
SmoothLLMModel=LLaMA3-8B-instruct2026.0510.8——57.5———0——9.222.5
Semantic SmoothModel=Vicuna-7B-v1.52026.0510.8——35.8———9.2——10.820
NoneTarget LLM=Llama-22026.0512——————49.431———
Perplexity FilterTarget LLM=Llama-22026.0512——————031———
DR-Smoothing-PolicyTarget LLM=GPT-3.5-turbo2026.0512———————31———
LoRABase Model=Vicuna-7B-v1.52026.0513——29———18————
SemanticSmooth-PolicyTarget LLM=Qwen2.52026.0514——————2.446———
Semantic SmoothModel=Gemini-3-flash2026.0514.2—————————7.59.2
Semantic SmoothModel=Mistral-7B-v0.22026.0515——45———5.8——18.334.2
SmoothLLMModel=Gemini-3-flash2026.0515.8—————————8.39.2
LEDBase Model=Mistral-7B-Instruct-v0.22026.0516——26———6————
NoneModel=LLaMA3-8B-instruct2026.0516.7——0———20——1.745
Self DefendModel=GPT-5-chat2026.0516.7—————————5.870.8
Self DefendModel=Qwen-7B-chat2026.0517.5——0———0——7.565.8
SafeDecodingBase Model=Mistral-7B-Instruct-v0.22026.0518——22———12————
Self DefenseModel=Gemini-3-flash2026.0518.3—————————1013.3
DR-Smoothing-UniformTarget LLM=Qwen2.52026.0520——————3.152———
DR-Smoothing-PolicyTarget LLM=Vicuna2026.0520——————038———
Self DefendModel=Mistral-7B-v0.22026.0520——0———0——5.865
Self DefendModel=Vicuna-7B-v1.52026.0521.7——0———0——3.360.8
SemanticSmooth-PolicyTarget LLM=Vicuna2026.0522——————2.244———
DR-Smoothing-UniformTarget LLM=GPT-3.5-turbo2026.0522———————49———
NoneModel=Gemini-3-flash2026.0522.5—————————15.813.3
IBProtectorModel=Qwen-7B-chat2026.0523.3——46.7———15——18.329.2
SmoothLLMTarget LLM=Qwen2.52026.0524——————1253———
SemanticSmooth-PolicyTarget LLM=GPT-3.5-turbo2026.0524———————38———
RA-LLMModel=Qwen-7B-chat2026.0524.2——42.5———20——18.320.8
LoRABase Model=Mistral-7B-Instruct-v0.22026.0525——60———30————
RA-LLMModel=Vicuna-7B-v1.52026.0525——72.5———45.8——30.810
IBProtectorModel=Vicuna-7B-v1.52026.0525.8——85.8———42.5——29.215.8
RA-LLMModel=Mistral-7B-v0.22026.0525.8——85———11.7——34.223.3
SemanticSmooth-UniformTarget LLM=Qwen2.52026.0526——————7.452———
Self DefenseModel=Mistral-7B-v0.22026.0526.7——73.3———45——3522.5
SemanticSmooth-UniformTarget LLM=GPT-3.5-turbo2026.0528———————56———
SafeDecodingBase Model=Qwen2.5-7B-Instruct2026.0530——80———17————
NoneTarget LLM=Qwen2.52026.0532——————19.460———
Perplexity FilterTarget LLM=Qwen2.52026.0532——————060———
IBProtectorModel=Mistral-7B-v0.22026.0533.3——96.7———9.2——32.540.8
Self DefendModel=Gemini-3-flash2026.0533.3—————————565.8
SmoothLLMTarget LLM=GPT-3.5-turbo2026.0534———————56———
SmoothLLMModel=Qwen-7B-chat2026.0535.8——50———17.5——30.829.2
DR-Smoothing-UniformTarget LLM=Vicuna2026.0536——————3.451———
VanillaBase Model=Qwen2.5-7B-Instruct2026.0539——80———46————
SmoothLLMModel=Mistral-7B-v0.22026.0539.2——94.2———39.2——42.528.3
Perplexity FilterTarget LLM=GPT-3.5-turbo2026.0542———————64———