本文提出了一种新型自我指导的少量示例越狱方法，旨在提高大型语言模型的效率。该方法通过分解模式和行为学习，利用模型漏洞，显著提升了攻击的通用性和效率。

Self-Guided Few-Shot Jailbreaking: Decomposing Attacks into Pattern and Behavior Learning
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