Nov, 2023

狼穿羊皮:通用嵌套越狱引导轻易蒙骗大型语言模型

TL;DR基于自动生成的破解提示,我们提出了ReNeLLM框架来改进大型语言模型的攻击成功率,同时降低时间成本;我们的研究揭示了当前防御方法在保护大型语言模型方面的不足,并从提示执行优先级的角度进行了详细的分析和讨论。