Bilanz der Quelle: Microsoft Research und University of Rochester stellen einen Mehrrunden-Jailbreak-Angriffer vor, der die Antwort des Modells liest und die Sitzung automatisch beendet, sobald der Angriff erfolgreich ist. Trainiert wird zweistufig mit synthetischem Bootstrap-Tuning und bestärkendem Lernen, wodurch 76 Prozent Erfolg beim ersten Versuch gegen DeepSeek-V4-Flash erreicht werden.
🔗 Im Original weiterlesen → · 🗃 Wayback Machine (Archiv)
ℹ️ KI-Hinweis
Die Inhalte dieses Artikels wurden automatisiert mittels Künstlicher Intelligenz generiert. Die zugrundeliegenden Daten stammen von arxiv.org. Es erfolgte keine manuelle redaktionelle Bearbeitung.
Die Inhalte dieses Artikels wurden automatisiert mittels Künstlicher Intelligenz generiert. Die zugrundeliegenden Daten stammen von arxiv.org. Es erfolgte keine manuelle redaktionelle Bearbeitung.
