热点事件持续更新

arXiv论文揭示越狱评估方法影响攻击成功率

1 篇报道1 个报道来源8 小时前更新

先了解这件事

AI 综述

arXiv于10月19日上线了Nguyen等发表的论文《Concerns in Benchmarking Jailbreaks》，针对越狱基准测试中攻击成功率（ASR）受评估方法显著影响展开实证研究。研究数据显示，同一低资源攻击在不同评估标准下表现差异巨大：在关键词匹配下ASR为96.0%，而在Qwen3评估器下仅2.7%。此外，Ollama默认温度0.8设置下，重复采样使关键词匹配ASR达到100%，但Qwen3评估仅为50%。研究指出，反复采样可能暴露初始拒绝后的残余不安全行为。作者建议采用匹配响应预算与验证评估器，以解决因评估方法不一致导致的基准测试隐患。

AI 根据报道生成 · 3 小时前更新

最新进展10月20日 12:00

越狱基准测试中的隐患：攻击成功率受评估方法显著影响

报道时间线

沿着报道，了解事件的不同侧面。

10月20日

12:00
arXiv · ML
越狱基准测试中的隐患：攻击成功率受评估方法显著影响
研究揭示越狱攻击成功率（ASR）高度依赖评估标准。同一低资源攻击在关键词匹配下ASR为96.0%，在Qwen3评估器下仅2.7%。 Ollama默认温度0.8时，重复采样使关键词匹配ASR达100%，而Qwen3评估为50%。反复采样可能暴露初始拒绝后的残余不安全行为，建议采用匹配响应预算与验证评估器。

本事件热度走势

可比范围当前: 8
可比范围峰值: 810月20日 18:00
近 24 小时变化: –

趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。