arXiv · cs.AI· Juanyang Xu, Zheng Wang, Xingyu Zhao, Siddartha Khastgir, Andi Zhang·· 1 天前
LLM智能体越狱：OPUR将期望有害性重构为似然优化
From Expected Harmfulness to Likelihood: A Probabilistic Reformulation of Jailbreaking LLM Agents
arXiv:2610.09973v1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：Juanyang Xu, Zheng Wang, Xingyu Zhao, Siddartha Khastgir, Andi Zhang
首次提交：2026-10-07 20:40
研究任务与主要进展
基于论文摘要，作者提出OPUR采样分布，用于生成高有害性目标输出并引导基于似然的输入优化，从而实现LLM智能体越狱。作者建立了期望有害性与目标似然优化之间的概率重构和梯度关系，实验表明所得方法能够有效进行越狱。
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