安全paper·· 2 天前推荐指数64
arXiv论文系统评测七个LLM的五类越狱攻击与四种防御
Systematic Evaluation of Adversarial Jailbreaking Attacks and Defenses Across Seven Large Language Models
AI 导读
arXiv:2610.39509 论文在 Llama-3-8B、Llama-3.1-8B、Llama-3.2-3B、Mistral-7B、Qwen2.5-7B、Gemma2-9B、Phi-4-14B 七个开源/API 模型上系统评测了五类越狱攻击（直接请求、角色扮演、假设性框架、指令覆盖、混淆）和四种轻量防御。
来源：安全paper · aisecurity.ninja