arXiv · NLP· Mingqian Feng, Xiaodong Liu, Weiwei Yang, Chenliang Xu, Jialin Song, Qiyao Ma, Chengquan Guo, Carolyn Buractaon, Christopher White, Jianfeng Gao·· 3 小时前AI 评分45
SEMA-Auto：一种具有自主终止能力的视觉化高效多轮越狱攻击方法
SEMA-Auto: Sighted and Efficient Multi-Turn Attack with Autonomy
AI 导读
SEMA-Auto提出了一种自主终止的多轮越狱攻击者，在AdvBench上对DeepSeek-V4-Flash实现76.0%的ASR@1，平均仅需3.0轮。 该方法通过合成引导微调与决策监督强化学习两阶段训练，同时在HarmBench上对GPT-5.4等前沿安全模型取得59.6%的ASR@1，比前最优高出13.8%。 其代码已开源。
来源：arXiv · NLP · arxiv.org