.png){kind=icon}
返回
AWMT: Automatic Jailbreaking Attack Framework Utilizing Working-Memory Trees
.png){kind=icon}
PRE
AI
DOI：10.1016/j.eswa.2025.130643.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
• AWMT框架采用树结构和记忆来提升攻击效率。
• 多提示策略提高了越狱成功率与多样性。
• 在GPT-3.5-turbo上达到86%的攻击成功率，超越所有基线模型。
• 越狱提示具有可解释性，并且能在各类LLM中实现迁移。
期刊
IF:
7.5
论文数:
3.0W
被引数:
10.2W
机构
查看更多机构
引用论文
A Survey on Large Language Model (LLM) Security and Privacy: The Good, The Bad, and The Ugly关于大型语言模型 (LLM) 安全性和隐私的调查: 好，坏和丑陋
OAAI
OAAI分享收藏
PromptRobust: Towards Evaluating the Robustness of Large Language Models on Adversarial Prompts.png)
Proceedings of the 1st ACM Workshop on Large AI Systems and Models with Privacy and Safety Analysis
Proceedings of the 1st ACM Workshop on Large AI Systems and Models with Privacy and Safety AnalysisIF0
PREAI
分享收藏分享收藏 没有更多内容