研究探讨大语言模型深度动态推理中的越狱漏洞
Exploring Jailbreak Vulnerability Across Depth-Based Dynamic Inference in Large Language Models
AI 导读
一项被 NeurIPS 2026 FLMSec Workshop 接收的研究系统考察了基于深度的动态推理对 LLM 抗越狱攻击能力的影响。研究发现：浅层出口始终比深层出口更抗越狱，更深的出口能达到更低的攻击损失，且对抗后缀对各行深度的实用性影响均匀。这些发现有助于设计对越狱攻击更鲁棒的动态推理方法，代码已开源。
来源：arXiv cs.AI · arxiv.org