List your company

Refusal Rate Evaluation on OK (test)

0.7Refusal RateSelf-CD
-1.95215.94933.8551.751Jan 31, 2024Jun 13, 2024Oct 26, 2024Mar 10, 2025Jul 22, 2025Dec 4, 2025Apr 18, 2026

Evaluation results

MethodLinks
Self-CDModel=Mistral-7B2024.010.7—
NoSystemModel=Mistral-7B2024.011.7—
Self-CDModel=Beaver2024.012—
Self-CDModel=Vicuna-7B2024.012.7—
Self-CDModel=InternLM-7B2024.013.3—
CoT(zero)Model=Mistral-7B2024.013.6—
PromptModel=Vicuna-7B2024.014.7—
Self-CDModel=Vicuna-13B2024.014.7—
PromptModel=Beaver2024.015—
ICLModel=Mistral-7B2024.015—
SelfCDBase Model=Qwen32026.045—
AdaCDBase Model=Qwen32026.045—
CoT(One)Model=Mistral-7B2024.015.3—
PromptModel=Mistral-7B2024.016—
CoT(zero)Model=Vicuna-13B2024.016.3—
SurgicalBase Model=Qwen32026.046.67—
NoSystemModel=Beaver2024.016.7—
CoT(zero)Model=Beaver2024.016.7—
ICLModel=Beaver2024.017—
CoT(zero)Model=Vicuna-7B2024.017—
PromptModel=Vicuna-13B2024.017.3—
SystemModel=Mistral-7B2024.017.3—
ICLModel=Vicuna-13B2024.018.3—
PromptBase Model=Qwen32026.048.33—
SSDBase Model=Qwen32026.048.67—
Self-CDModel=LLaMA2-70B2024.018.7—
DefaultBase Model=Qwen32026.049.67—
ICLModel=Vicuna-7B2024.0110.3—
ICLModel=InternLM-7B2024.0110.6—
NoSystemModel=Vicuna-7B2024.0111.7—
NoSystemModel=Vicuna-13B2024.0112.3—
CoT(One)Model=Vicuna-7B2024.0113—
CoT(One)Model=Beaver2024.0113.3—
SystemModel=Beaver2024.0113.6—
CoT(One)Model=Vicuna-13B2024.0113.6—
SystemModel=Vicuna-7B2024.0114.3—
Self-CDModel=LLaMA2-7B2024.0115.3—
PromptModel=LLaMA2-70B2024.0115.3—
Self-CDModel=LLaMA2-13B2024.0115.6—
CoT(One)Model=InternLM-7B2024.0116.3—
NoSystemModel=LLaMA2-70B2024.0117—
AdaCDBase Model=Llama32026.0417.33—
SystemModel=Vicuna-13B2024.0118—
NoSystemModel=InternLM-7B2024.0119—
PromptModel=LLaMA2-13B2024.0119.7—
CoT(zero)Model=LLaMA2-70B2024.0119.7—
SurgicalBase Model=Llama32026.0420.33—
SelfCDBase Model=Llama32026.0420.67—
PromptModel=LLaMA2-7B2024.0120.7—
CoT(zero)Model=InternLM-7B2024.0121.6—
NoSystemModel=LLaMA2-7B2024.0122.3—
PromptModel=InternLM-7B2024.0122.3—
CoT(zero)Model=LLaMA2-7B2024.0123.3—
SystemModel=InternLM-7B2024.0123.7—
CoT(One)Model=LLaMA2-70B2024.0124.3—
NoSystemModel=LLaMA2-13B2024.0124.7—
DefaultBase Model=Llama32026.0425.33—
AdaCDBase Model=Gemma22026.0426—
CoT(zero)Model=LLaMA2-13B2024.0126.3—
CoT(One)Model=LLaMA2-13B2024.0126.3—
DefaultBase Model=Gemma22026.0427.33—
SelfCDBase Model=Gemma22026.0429—
SSDBase Model=Gemma22026.0430.33—
ICLModel=LLaMA2-70B2024.0131—
PromptBase Model=Llama32026.0431.33—
ICLModel=LLaMA2-7B2024.0133—
PromptBase Model=Gemma22026.0433—
SurgicalBase Model=Gemma22026.0433.67—
CoT(One)Model=LLaMA2-7B2024.0136.3—
ICLModel=LLaMA2-13B2024.0139.7—
SystemModel=LLaMA2-7B2024.0145.7—
SystemModel=LLaMA2-70B2024.0145.7—
SystemModel=LLaMA2-13B2024.0157—
SSDBase Model=Llama32026.0467—
DROBase Model=Llama-3.1-8B2026.03—68
Llama-3.1-8B-SFTBase Model=Llama-3.1-8B2026.03—58
Self-CDBase Model=Llama-3.1-8B2026.03—80
System PromptBase Model=Llama-3.1-8B2026.03—74
VCLBase Model=Llama-3.1-8B2026.03—79
Vector AblationBase Model=Llama-3.1-8B2026.03—71