moral-foundations-theory

Tag

#moral-foundations-theory

Moral Combat: Exploiting Moral Foundations Theory to Jailbreak LLMs

arXiv cs.CL ↗ · 2026-10-15 Cached

论文提出一个基于道德基础理论(MFT)的多智能体框架，通过将有害请求重构为道德上看似正当的形式来绕过LLM安全防护，并在多个开源和闭源模型上验证了LLM对'道德化'攻击的高度脆弱性。

0 favorites 0 likes