arXiv · cs.AI · Ge Shi, Jun Yin, Donglin Xie, Fangyi Liu, Yucan Li, Menglin Liu · 11 小时前模型评分37
JailbreakOPT：用宏动作迭代优化越狱提示词
JailbreakOPT: Iterative Jailbreak Prompt Optimization with Macro-Action
导读
研究者提出 JailbreakOPT，通过维护可复用的提示词变换动作库并组合成宏动作，在单次攻击内搜索生成独立的越狱提示词。该方法用上下文 Thompson 采样学习动作选择策略，跨攻击复用经验，在多个大语言模型和基准上提升了攻击成功率（ASR）。
分类置信度
中 · 待人工复核
- 只有单一媒体来源，需要人工复核。
来源级别：媒体与个人
事件类型：研究发布
证据摘录
- “We propose JailbreakOPT, a method that maintains a library of reusable prompt transformations (actions) and composes them into macro-actions for within-episode search, generating standalone attack prompts.”
来源：arXiv · cs.AI · arxiv.org