安全paper·· 9 天前推荐指数66
RMT-Jailbreak：将自回归越狱迁移到扩散语言模型的框架
Harmful Responses Are Jailbreak Templates: Transferring Autoregressive Jailbreaks to Diffusion Language Models
AI 导读
arXiv:2610.31331 提出 RMT-Jailbreak 框架，将针对自回归（AR）模型的越狱攻击迁移到扩散语言模型（dLLMs）。核心发现是给定查询的有害回答本身可作为越狱模板：只需遮蔽其部分 token，即可诱导 dLLM 通过双向上下文重建补全有害内容。
来源：安全paper · aisecurity.ninja