全自动攻击越狱Agent

开发调优
, ,
1

这是什么？

来自佐治亚理工，UIUC， 清华大学等单位的研究者联合发布了一个非常有力的全自动越狱Agent，通过把有害提问分解成下级的，看似无害的提问，来绕过最强的现代商业大模型中防御机制，实现了近乎完美的攻击成功率（96%-98%）。项目主页。根据开源的代码，理论上只要配置各种key，就可以在家攻击越狱各种商业大模型。在论文中，已经被验证可以攻克Gemini系列，GPT-OSS, Claude Haiku 4.5.

项目测试地址：

9 个赞
2

这么强吗

1 个赞
3

读了下论文没觉得很novel，这个框架的思想早被人用烂了

4

慢讯叻：CKA-Agent ：全自动攻击越狱agent

1 个赞
5

Mark一下，有空看看

1 个赞
6

模型太弱了，不具有参考价值。专挑菜的攻击

1 个赞
7

Mark一下，有空学习下思路

8

不然怎么水论文