Another 201papers do not have category tags yet and are not included in filtered results.
提出 Safety-Aware Pruning，缓解视觉 token 剪枝放大的多模态越狱
这篇工作评估视觉 token 剪枝如何改变 VLM 在多模态越狱下的行为，并给出推理时防御 SAP。
提出 PEV 攻击，在输入嵌入上加高斯噪声越狱开源模型
PEV 是对 open-weight LLM 的 embedding 噪声越狱。
提出 AEGIS，用中层内部信号选择性激活后层适配器拦截音频越狱
提出 GUARD，在零样本 TTS 上用激活转向遗忘说话人身份以阻止再识别
GUARD 用门控激活转向做说话人身份遗忘，使零样本 TTS 对退出说话人难以再识别。
提出 PALS，用潜空间平滑防御全双工语音对话的对抗扰动
提出 SPARK，在预填充阶段修复多模态 KV 记忆以防御视觉语言模型越狱
提出机器遗忘式生成图像检测，用遗忘前后特征相似度区分自然图与生成图
这篇工作把 AI 生成图像检测写成对预训练视觉模型的机器遗忘：原模型对两类图像损失都低，剪枝后生成图特征变得更不像原模型。
提出 HMNS，通过注意力头掩码与零空间注入实现机制级越狱
提出 SWhisper，用近超声波向语音驱动 LLM 隐蔽注入越狱提示
提出 RA-Det，利用鲁棒性不对称检测 AI 生成图像
RA-Det 是合成图像检测器，用扰动下的表示稳定性差异代替外观痕迹。
Proposes SafeThink, an inference-time defense that monitors the chain of thought and injects a redirect prefix when it falls below a threshold.
提出 L3 越狱框架，推理时静音 MoE 安全专家以绕过拒答
Proposes ShallowJail, which achieves jailbreaks by rewriting hidden states with steering vectors at inference time
提出双重隐写越狱 Odysseus，用图像隐写绕过多模态系统安全过滤器
提出激活转向越狱，用随机向量在推理时绕过安全拒答
Abstract作者称激活转向会系统性破坏 LLM 对齐，良性特征与随机向量均能诱发有害合规，聚合随机向量可构建通用攻击。
提出 Latent Fusion Jailbreak，插值有害与无害隐藏状态实施白盒越狱