Improving LLM Outputs Against Jailbreak Attacks with Expert Model Integration
专题命中 越狱攻击 :jailbreak(title,abstract);prompt injection(abstract);分类 cs.AI
Journal ref IEEE Access, vol. 13, pp. 134976-134988, Jul. 2025
AI 大模型
大模型对齐、安全、越狱、红队、提示注入和可信评测。
专题命中 越狱攻击 :jailbreak(title,abstract);prompt injection(abstract);分类 cs.AI
Journal ref IEEE Access, vol. 13, pp. 134976-134988, Jul. 2025
机构 * Imperial College London(伦敦帝国学院) ; California Institute of Technology(加州理工学院)
专题命中 越狱攻击 :safety(abstract);jailbreak(abstract);AI safety(abstract);分类 cs.LG
Comments 25 pages, 15 figures. Accepted at COLM 2025 SoLaR Workshop
专题命中 越狱攻击 :safety(abstract);jailbreak(abstract);分类 cs.CL、cs.AI
机构 * CMU(卡内基梅隆大学)
专题命中 越狱攻击 :alignment(abstract);jailbreak(abstract);分类 cs.AI
Comments 10 pages, 1 figure