arXiv · cs.AI· Zhipeng Wei, Michael Lee, N. Benjamin Erichson·· 7 小时前
研究多轮越狱攻击中的有效历史长度压缩
Multiple Turns, Short Horizons: Measuring Effective-Horizon Compression in Jailbreaks
arXiv:2610.22928v1阅读论文 PDF ↗
仅依据论文摘要整理；未读取全文，实验条件、证明与基准细节请核对原文。
作者：Zhipeng Wei, Michael Lee, N. Benjamin Erichson
研究任务与主要进展
研究通过删除早期攻击者查询并在重新生成的受害模型对话中重放其余查询，发现平均约一半的原始查询序列即可恢复相同攻击进度。作者进一步报告，缩短奖励传播窗口可保持接近完整轨迹回报的校准防御表现，并可据此降低攻击训练中部分早期查询的学习信号。
阶段、条件与复现 · 深读核对
- 新能力对应什么具体任务与最小输入输出？
- 代码、模型、数据、许可与可用入口是否明确？
- 效果、总成本、失效条件与实际工作流如何验证？
这些是阅读核对问题；材料未说明的条件保留未知。请结合上方论文版本、资料范围与原文核验。
来源：arXiv · cs.AI · arxiv.org