arXiv Artificial Intelligence· Lass Najmuldeen, Seyedhamidreza Mousavi·· 17 小时前AI 评分24
LLM 基于深度的动态推理如何影响越狱脆弱性
Exploring Jailbreak Vulnerability Across Depth-Based Dynamic Inference in Large Language Models
AI 导读
研究系统考察了基于深度的动态推理对 LLM 抵御越狱攻击能力的影响，发现浅层出口始终比深层出口更稳健，深层出口的对抗后缀优化损失更低，且对抗后缀在各出口深度上对模型效用的影响基本一致。该工作已被 NeurIPS 2026 FLMSec Workshop 接收，代码已开源。
来源：arXiv Artificial Intelligence · arxiv.org