Another 233papers do not have category tags yet and are not included in filtered results.
提出 BLINDBIAS，通过纯文本续写与前缀控制越狱黑盒模型
BLINDBIAS 是一种针对 sample-only 续写接口的 black-box 解码时越狱框架，研究没有目标数值概率时，采样能否支持逐步控制。
提出推理通道预填与输出前缀组合攻击以越狱推理模型
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。
检验结构越狱 IICL 能否跨厂商泛化并与语言约束叠加
揭示推理加深引发的对齐坍塌，用 Reasoning Trap 放大越狱
作者研究扩展推理是否以对齐稳健性为代价，提出 ALR、RT 与 RRA。。
提出 SMT 框架，用模拟审核轨迹越狱函数调用 LLM
解释自回归一致性如何导致浅层安全对齐，并提出随机插入攻击
作者把浅层安全对齐和一类续写攻击都归到自回归一致性上。
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。
Analyzing the attention head mechanism of continuation-triggered jailbreaks and proposing HCS
The authors use attention head mechanism analysis for continuation-triggered jailbreaks: under the same harmful instruction, moving the continuation suffix from after the instruction to outside the prompt boundary makes the model more likely to continue generating along the suffix.
提出视觉推理序列攻击 VRSA，以图像序列越狱多模态大模型
提出 EXISTBENCH，用前缀补全评测 LLM 生成生存威胁内容的倾向
提出 BreakFun ，用模拟代码执行中的对象实例化越狱模型
提出四种阶段转换攻击，绕过推理模型的安全推理护栏
提出 MetaBreak，用特殊 token 操纵越狱在线 LLM 服务并绕过审核
Abstract利用特殊 token 注入对抗平台模板包裹与审核，多场景验证了越狱有效性与互补性。
提出四段越狱提示，评测中英提示对闭源模型的绕过效果