arXiv · AI· Jesson Wang, Shawn Li, Wei Yang, Franck Dernoncourt, Ryan A. Rossi, Charith Peris, Yue Zhao·· 8 小时前AI 评分29
针对黑盒 LLM 的受控解码攻击：CDJailbreak 框架
Controlled Decoding Attacks on Black-Box LLMs
AI 导读
提出 CDJailbreak 框架，通过文本接口对黑盒大模型实施越狱攻击，在 4 个端点和 3 个基准测试中取得最高平均分。 该框架包含基于样本的分布重构、风险门控残差控制和推测性多 token 执行模块，以在有限采样下重建概率并降低查询成本。
来源：arXiv · AI · arxiv.org