BriefGPT - AI 论文速递 · 2025-03-26T00:00:00Z

使用说服技巧的迭代提示在越狱大型语言模型中的应用

📝

内容提要

本研究探讨大型语言模型（LLMs）在自主响应中的价值一致性问题，并提出迭代提示技术以提高越狱攻击的有效性。研究发现，采用说服策略可显著提升攻击成功率，最高可达90%。

🏷️

标签

价值一致性 大型语言模型 说服策略 越狱攻击 迭代提示