arXiv · cs.AI· Juanyang Xu, Zheng Wang, Xingyu Zhao, Siddartha Khastgir, Andi Zhang·· 1 天前
Pair-Aware Optimization：协调LLM智能体越狱攻击中的探索与精炼
Pair-Aware Optimization: Coordinating Exploration and Refinement for Jailbreaking LLM Agents
arXiv:2610.24823v1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
研究任务与主要进展
作者提出ZO-FO框架，用零阶优化探索对抗前缀、用一阶优化精炼相应后缀，并通过Pair-aware optimization在多个前缀—后缀组合中进行选择。研究还采用一致的随机解码处理LLM智能体可能产生多样推理轨迹和动作的情况；基于论文摘要，在恶意指令和恶意环境基准上，混合优化的攻击效果优于单一优化器，优化顺序也会影响性能。
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