Align to Misalign: Automatic LLM jailbreaking with meta-optimized LLM judges
[Daily Paper] Align to Misalign: Automatic LLM Jailbreak with Meta-Optimized LLM Judges
AI summary
Align to Misalign 是一种自动 LLM 越狱方法，通过元优化的 LLM 评判器实现自动越狱，对应论文题为《Align to Misalign: Automatic LLM Jailbreak with Meta-Optimized LLM Judges》。