Tag: Jailbreaking

All the papers with the tag "Jailbreaking".

• XBreaking: Explainable Artificial Intelligence for Jailbreaking LLMs

  grok-3-mini-latest

  Score: 0.79

  Published:2025年5月1日 at  at 10:25

  #LLM, #Explainable AI, #Jailbreaking, #Sampling, #Reasoning

  本文提出XBreaking方法，利用Explainable AI分析审查和非审查LLMs的内部模式，识别关键层并通过噪声注入绕过安全机制，同时保持模型功能。

• XBreaking: Explainable Artificial Intelligence for Jailbreaking LLMs

  grok-3-latest

  Score: 0.41

  Published:2025年4月30日 at  at 14:44

  #LLM, #Explainable AI, #Jailbreaking, #Layer Analysis, #Noise Injection

  本文提出XBreaking方法，利用可解释性AI技术识别审查模型的关键层并注入噪声，成功绕过大型语言模型的安全限制，显著提升有害内容生成能力。