Another 233papers do not have category tags yet and are not included in filtered results.
消融比较方言越狱中表层形式、文化框架与策略库的作用
提出 SAST-IR，用有状态攻击者迭代说服无记忆模型接受反事实
提出 MIPC 与 CFA，观察模型自拟测验后接受开发者身份
这项工作把“模型自己出题、自己批改、再宣布身份已核验”定义成对话层认证失败，并与后端提权分开。
提出多轮越狱框架 BLUEPRINT，用世界观模拟与心理因素诱导有害输出
BLUEPRINT 是一个将因子化社会影响力策略空间与跨轮世界观模拟解耦的多轮大语言模型安全评测框架。
提出 Concept2Scenario，借助内部概念归因发现可迁移的越狱场景
Abstract该研究从表征空间因果归因揭示场景削弱拒绝的机制，发现可复用脆弱场景先验，提升多模型黑盒越狱效能与探索速度。
评测多语言与编码混淆提示下模型生成钓鱼与键盘记录内容的遵从
构建 MultiTurnPSB，评测四轮医疗越狱与分类器输入防御
MultiTurnPSB 针对患者端医疗大模型在持续交互中的安全风险，构建了包含三种攻击模态的四轮对抗评测基准。
提出 Persona Attack，分步写入对话记忆指令以越狱
Propose PCSA, which uses persona-based multi-turn simulation of counseling clients to induce harmful empathetic responses.
Proposes composite jailbreaks, stacking contrast structure, authoritative persona, and self-evaluation to saturate the instruction hierarchy
Propose FoodGuardBench and the guardrail FoodGuard-4B to evaluate and reduce food hazard jailbreaks
Propose S2C jailbreak, which delays harmful intent integration using contextual rewriting, fragmentation, and clue-guided camouflage.
Proposes the STAR multi-turn role-playing framework, which bypasses safety alignment through dialogue state evolution
提出黑盒 context nesting，用结构化补全任务嵌套有害请求越狱扩散 LLM
作者把 D-LLM 相对 AR-LLM 越狱的稳健性称为 safety blessing，并把 context nesting 当作它的 black-box 失效方式。
提出音频叙事越狱，以嗓音投递风格绕过端到端语音模型拒答
提出 ICON 多轮越狱，用意图-上下文先验生成攻击序列
用醉酒语言诱导改编对话模型并评测越狱与隐私泄露
作者把醉酒语言当作攻击向量，检验把 LLM 适配成醉酒发短信的模式后，越狱和情境隐私是否变差。动机是人类醉酒时的失范与泄密，以及 LLM 模拟人设的能力。
提出 GAMBIT 游戏化越狱框架，用拼图与竞赛场景攻击多模态模型
提出 MOBjailbreak，将恶意优化算法请求改写为无害表达实施越狱
提出 BreakFun ，用模拟代码执行中的对象实例化越狱模型