mismatched-generalization

#mismatched-generalization

ASCII攻击：在大型语言模型中将有害请求重新语境化为艺术批评

arXiv cs.AI ↗ · 2026-09-03 缓存

本文介绍了ASCII攻击，这是一种单回合越狱方法，通过将有害请求嵌入ASCII艺术中作为艺术批评，展示了在多个大型语言模型中的高成功率，并突显了由于不匹配泛化导致的安全对齐缺陷。

0 人收藏 0 人点赞