提出组合式意图隐藏越狱，按先验后验匹配选择辅助任务
这篇工作把组合式意图隐藏写成任务选择：有害目标必须留在 bundle 里，同时让估计的有害意图概率贴近全集先验，或降到阈值以下。
提出 CodeMimicry，以结构化代码补全诱导模型生成有害内容
提出 CollageAttack，用空间文本碎片重组越狱文生图模型
Abstract系统揭示 T2I 跨模态空间合成安全漏洞，证实离散无害元素可在图像层面重构有害意图并放大传播强度。
提出任意字母置换密码越狱，无需微调即可诱导有害输出
Abstract前沿大模型无需微调即可通过提示词学会字母置换密码，进而绕过分类器与对齐，作者呼吁关注能力提升带来的安全风险。
提出 DIVA，将有害意图拆成视觉锚点与运动文本以越狱视频生成模型
DIVA 是针对带参考图的视频生成模型的免训练 black-box 越狱：用一致性机制本身堵住语义漂移这条安全逃逸路径。。
提出 HACA，将图文越狱拆为原子策略并自动组合以诱导有害输出
提出 RoguePrompt 双层编码自重构越狱，绕过 LLM 审核
提出 OTTER 词元替换越狱，绕过表面毒性审核诱导有害回答
Abstract论文展示了表面毒性与恶意意图的解耦现象，通过标准 API 实现黑盒越狱测试，并提出闭环分类器加固建议。
提出 JailbreakOPT，组合原子工具迭代优化黑盒单轮越狱提示
提出 DSR 跨模态越狱，用无害图文诱导 MLLM 生成有害图像
DSR 是一种 black-box 跨模态越狱：输入侧不放显式有害内容，而让商业 MLLM 在推理中把无害图文重组成有害图像。
提出 Babel 混淆分布采样，黑盒越狱闭源 LLM 安全注意力
提出多图越狱框架 DMN，把有害意图拆进图像序列绕过安全护栏
提出删字变体越狱方法，利用重构与隐藏权衡绕过多模态模型安全过滤
提出 Formal Logic 等数学编码越狱，绕过自然语言安全过滤
作者在 black-box、只提交纯文本的设定下，比较六种数学编码能否让仍开着安全措施的模型产出有害内容。
提出四类视觉越狱，把有害意图编码进图像以绕过安全拒答
四类视觉越狱用来检验前沿 VLM 的文本安全训练能否挡住由图像传达的有害意图。。
Propose S2C jailbreak, which delays harmful intent integration using contextual rewriting, fragmentation, and clue-guided camouflage.
提出多流扰动攻击，交织有害与良性任务绕过思考型 LLM 安全对齐
多流扰动攻击把有害任务与良性任务织进同一提示词，测试 thinking 模式的内容安全与推理稳定性。作者认为，交织多任务会拉长思考，使安全检测面对被打散的有害意图，并可能把推理用于合理化，或陷入崩溃与重复。方法不访问梯度。
Propose StructAttack, which uses structural diagrams to induce visual models to assemble malicious content from harmless semantic slots.
StructAttack is a black-box, single-query jailbreak against LVLMs: it decomposes a harmful instruction into separate seemingly harmless slots, draws them into a structural diagram, and then makes the model reassemble the slots into harmful content.
Propose TFM, using start and end frames and implicit substitution to jailbreak text-to-video models
TFM is a strictly black-box prompt jailbreak for text-to-video that exploits the model's temporal infilling of unspecified intermediate processes.
Propose Blindfold, jailbreaking embodied LLMs with action-level manipulation
Blindfold is a no-box attack against embodied LLM planning modules, rewriting malicious intent into seemingly benign action sequences.