SEMA-Auto论文发布：多轮越狱攻击新方法

2026年10月27日，研究人员发布SEMA-Auto论文。该方法提出了一种具有自主终止能力的视觉化高效多轮越狱攻击者，旨在提升攻击效率。 该模型通过合成引导微调与决策监督强化学习进行两阶段训练。在AdvBench测试中，其对DeepSeek-V4-Flash实现了76.0%的ASR@1，平均仅需3.0轮。 此外，在HarmBench上，该方法对GPT-5.4等前沿安全模型取得59.6%的ASR@1，比此前最优方法高出13.8%。目前该研究的代码已经开源。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。