arXiv cs.CL· Shiliang Xiao·· 4 小时前AI 评分10
TACS：面向 LLM 越狱后缀优化的轨迹感知候选选择框架（已被作者撤稿）
TACS: Trajectory-Aware Candidate Selection for LLM Jailbreak Suffix Optimization
AI 导读
论文 TACS 提出一种轨迹感知的候选选择框架，用于 LLM 越狱后缀优化，通过引入轨迹感知代理、参考策略正则化和判别器估计的卡方修正，缓解候选选择阶段的奖励黑客问题。在 HarmBench 上，TACS 在相同搜索预算下持续优于强基线，显著提升攻击成功率。作者 Shiliang Xiao 因发现理论分析存在错误、影响主要结论有效性，已撤稿。
来源：arXiv cs.CL · arxiv.org