JailbreakOPT：基于宏观动作的迭代越狱提示词优化

JailbreakOPT 提出一种维护可复用提示词转换动作库的方法，将动作组合为宏观动作进行集内搜索，生成独立攻击提示词。 该方法利用上下文 Thompson 采样和先前搜索路径结果学习动作选择策略，以复用跨剧集经验。 实验表明，JailbreakOPT 在多个 LLM 和基准上提升了攻击成功率（ASR），优于单动作和迭代基线方法。