该研究提出了名为PiCo的越狱框架，针对多模态大型语言模型（MLLMs）的安全漏洞。PiCo通过逐层越狱策略，利用排版攻击和编程上下文指令嵌入有害意图，有效绕过现有防御机制，实验显示其攻击成功率显著高于现有方法，揭示了当前防御措施的缺陷。

本研究提出了一种新颖的越狱框架，通过分段和分布式提示处理，成功绕过大型语言模型的安全过滤器。测试结果显示，该框架在生成恶意代码方面的成功率达到73.2%，对安全漏洞评估具有潜在影响。

该研究提出了一种新型越狱框架CodeChameleon，通过个性化加密策略绕过大型语言模型（LLMs）的安全和伦理协议。实验结果表明，在7个LLM上取得了最先进的攻击成功率（ASR），其中在GPT-4-1106上达到了86.6％的ASR。