本文介绍了一种基于离散优化的规则列表构建方法，利用高效数据结构和计算复用实现时间加速和内存节省。该方法生成的规则列表在准确性上接近于COMPAS工具，并提供更好的可解释性。此外，研究提出了神经符号模型和新算法，显著提升了规则挖掘的效率与准确性。

本研究提出了一种统一的威胁模型，系统比较了监狱突破攻击方法。通过评估困惑度和计算预算，结果显示基于离散优化的攻击效果显著优于语言模型攻击，揭示了攻击者利用稀有N-gram突破安全防护的策略。