提出Pair-aware优化越狱LLM智能体

2026年10月20日，arXiv Artificial Intelligence 刊出 Juanyang Xu 等作者的论文，提出 Pair-aware 优化框架用于越狱 LLM 智能体。该研究系统比较纯 ZO、纯 FO、ZO->FO 与 FO->ZO 四种策略，提出 ZO-FO 框架：先用 ZO 优化探索对抗前缀，再用 FO 优化精炼对应后缀；为协调两个过程，引入 Pair-aware 优化，保留多个前缀候选、按条件精炼其后缀，并在所得前缀-后缀对中选择。在恶意指令与恶意环境基准上，混合优化优于单一优化器方法，且优化顺序显著影响效果；优化与评估阶段均采用一致的随机解码。目前进展为论文发布并给出上述实验结论。

AI 根据报道生成 · 36 分钟前更新

还没有足够的连续观测数据，暂不绘制趋势。