本研究提出了一种可解释的人工智能解决方案，针对大型语言模型的安全威胁，设计了XBreaking越狱攻击，通过目标噪声注入突破安全限制，强调了审查机制的重要性。

XBreaking: An Explainable AI for Jailbreaking Large Language Models
BriefGPT - AI 论文速递
BriefGPT - AI 论文速递 ·
👤 个人中心
在公众号发送验证码完成验证