研究表明，大型语言模型（LLMs）面临多种破解攻击，尤其是多语言越狱攻击。通过新算法和防御策略，成功降低攻击率96.2%。该研究评估了多种攻击和防御技术，强调了安全隐患及防范措施的重要性，为未来研究提供了基础。

本文综述大语言模型安全研究，涵盖监管破解、多语言越狱、提示注入、后门攻击及隐私威胁。研究发现，将不安全英文译为低资源语言可绕过GPT-4防护，攻击成功率达79%，凸显跨语言漏洞风险，呼吁加强多语言红队测试与安全防护。