跳到正文
热点事件持续更新

RedDarwin框架发布，提升大模型越狱成功率

1 篇报道1 个报道来源7 小时前更新

先了解这件事

AI 综述

2026年10月19日，研究团队在arXiv发布红队智能体框架RedDarwin，旨在针对前沿大语言模型进化越狱技能。该框架将越狱进化单元从提示词转变为可执行攻击技能，利用47个基础技能自主进化出65个新技能。在AdvBench测试中，RedDarwin将平均攻击成功率从18.8%提升至47.3%，并改善了44种基础攻击的效果。仅需10次目标模型查询，RedDarwin在GPT-5.6-Sol上实现100%攻击成功率，Claude-Sonnet-5达92%，Gemini-3.8-Flash达80%。

AI 根据报道生成 · 5 小时前更新

最新进展10月19日 12:00
RedDarwin：针对前沿大语言模型进化越狱技能

报道时间线

沿着报道，了解事件的不同侧面。

10月19日
  1. arXiv · NLP
    RedDarwin：针对前沿大语言模型进化越狱技能

    智能体框架 RedDarwin 将越狱进化单元从提示词转变为可执行攻击技能，利用 47 个基础技能自主进化出 65 个新技能，将 AdvBench 平均攻击成功率从 18.8% 提升至 47.3%。

本事件热度走势

可比范围当前
8
可比范围峰值
910月19日 14:00
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。