À propos de llm-hacking.com

Une base de données ouverte, maintenue par la communauté, qui référence toutes les façons connues de casser un Large Language Model. Jailbreaks, prompt injections, extraction de données, inputs adverses, sleeper agents — tout au même endroit, avec exemples reproductibles et défenses.

Pourquoi ?

Le domaine de la sécurité LLM va plus vite qu'aucune équipe de recherche peut suivre. Des nouvelles attaques apparaissent sur arXiv, Twitter et des Discord obscurs chaque semaine. Les défenseurs ont besoin d'une vue d'ensemble ; les chercheurs ont besoin d'un vocabulaire partagé.

On collecte, on catégorise, on documente. Chaque entrée a un exemple reproductible, les modèles affectés, des stratégies de défense, et des liens vers les sources originales.

Ligne éditoriale

• Rigueur technique d'abord — on cite les sources, on teste les claims
• Pas de sensationnalisme — le cadrage "IA effrayante" est interdit
• Pas de gatekeeping — on explique, on ne fait pas la leçon
• Défense en regard de l'attaque — chaque technique offensive inclut des mitigations

Contribuer

Un nouveau hack ? Une erreur ? Une traduction à partager ? Utilise le formulaire de contribution — on lit tout.

Licence

Le contenu est publié sous CC BY-SA 4.0.