arXiv · cs.AI · Jekaterina Novikova, Yuqing Huang, Jack Ji, Sagarika Suresh, Jithin Pradeep, Lovedeep Gondara2026-11-02 13:00 · 10 小时前模型评分50

R³（Reject, Remember, Retry）：让多轮越狱攻击者记住失败轮次

Reject, Remember, Retry: Why Multi-Turn Attackers Should Remember Their Mistakes

导读

研究者提出黑盒多大语言模型（LLM，Large Language Model）框架 R³（Reject, Remember, Retry），让攻击模型只依据紧凑状态而非原始对话记录来发起多轮越狱攻击，失败轮次从目标模型上下文中移除但由攻击方连同失败原因记住。

分类置信度

中 · 待人工复核

来源级别：媒体与个人

事件类型：研究发布

证据摘录

“We introduce $R^3$ (Reject, Remember, Retry), a black-box multi-LLM framework in which the attacker conditions on a compact state rather than the raw transcript.”

来源：arXiv · cs.AI · arxiv.org