跳到正文
arXiv · AI· Haoyu Zhang, Hanwen Liu, Yang Chen, Shibo Zheng, Xiangchen Guan, Zhuoxi Wang, Zijian Xiao, Xiao Luo, Yi Feng, Haowen Xu, Mohammad Zandsalimy, Shanu Sushmita·· 2026-10-14AI 评分42

Best-of-N 越狱攻击研究:结构编码深度优于表面变异广度

Depth, Not Breadth: Best-of-N Jailbreaking Beyond Surface Noise

AI 导读

基于结构编码的 Best-of-N 越狱在 Llama-3.1-8B 等三个开源权重模型上实现 67%、22% 和 15% 的行为越狱率,显著高于表面变异搜索的 3.0%。 实验表明 SAGE 防御因融合筛选与生成而失效,攻击者通过 2 至 N 次尝试可突破单轮防御,架构上需分离安全筛选与生成过程。

来源:arXiv · AI · arxiv.org