moral-foundations-theory

#moral-foundations-theory

道德对抗：利用道德基础理论对大语言模型进行越狱

arXiv cs.CL ↗ · 2026-10-15 缓存

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 人收藏 0 人点赞