安全内参·· 2 天前精选推荐指数70
扩散语言模型越狱的能量景观分析：两条攻击路径与三个检测信号
扩散大模型越狱的统一解释：两条攻击路径与三种检测信号
AI 导读
迪肯大学与宾夕法尼亚州立大学研究团队发表论文《Why Jailbreaks Succeed in Diffusion Language Models: An Energy Landscape Analysis》（arxiv.org/pdf/2609.30841）。
推荐理由
论文用能量景观统一解释扩散语言模型的两条越狱路径，并给出三个互补检测信号的实测数据，读者可据此评估该思路的可行性与边界。
来源：安全内参 · secrss.com