提出跨语言叙事包装越狱基准与防御方法
热点事件持续更新
提出跨语言叙事包装越狱基准与防御方法
1 篇报道1 个报道来源2 小时前更新
先了解这件事
报道摘要
研究发现安全对齐模型会拒绝直接表述的有害请求，却会回答被角色扮演或叙事包装后的同一请求：Qwen3-1.7B 上的攻击成功率在英文中已达 89.4%，现代中文为 93.0%，文言文则达 95.7%。
摘自 arXiv cs.AI
最新进展10月9日 12:00
叙事包装如何影响 LLM 拒答：跨语言基准与防御方法报道时间线
沿着报道，了解事件的不同侧面。
10月9日
- arXiv cs.AI叙事包装如何影响 LLM 拒答：跨语言基准与防御方法
研究发现安全对齐模型会拒绝直接表述的有害请求，却会回答被角色扮演或叙事包装后的同一请求：Qwen3-1.7B 上的攻击成功率在英文中已达 89.4%，现代中文为 93.0%，文言文则达 95.7%。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。