标签：后缀

2026-01-01andy阅读(628)评论(0)

如何通过通用对抗性后缀（GCG）分析与防御大型语言模型的越狱攻击 大型语言模型（LLMs）的安全对齐是一个核心挑战。尽管开发者投入了大量精力来对模型进行安全训练和红队测试（Red Teaming），恶意用户仍能通过构造精巧的“输入扰动”来诱...