浅层出口比深层出口更抗越狱攻击
资讯摘要
论文考察基于深度的动态推理对LLM越狱鲁棒性的影响。作者报告三点观察：浅层出口比深层出口更抗越狱；出口深度影响对抗后缀优化难度，深层出口可达更低攻击损失；对抗后缀对各出口深度的效用影响一致。代码已公开。
要点速读
- 论文研究深度动态推理如何影响LLM对越狱攻击的鲁棒性
- 作者报告浅层出口始终比深层出口更抗越狱攻击
- 作者报告深层出口使对抗后缀优化达到更低攻击损失，且对抗后缀对各出口深度的效用影响一致
中文摘要由 AI 根据公开来源生成，可能存在理解偏差；具体能力、数字、开放时间等信息请以原文为准。
采集于 2026/10/23 08:00:11（北京时间）。 arXiv 日期为本次公告时间，论文初次投稿日期请查看原文版本记录。