多语言越狱提示词对闭源大语言模型的攻击评估：GPT-4o、DeepSeek-R1、Gemini-1.5-Pro 与 Qwen-Max
The Tower of Babel Revisited: Multilingual Jailbreak Prompts on Closed-Source Large Language Models
AI 导读
一项研究用 32 种越狱攻击、中英双语六类安全内容对 GPT-4o、DeepSeek-R1、Gemini-1.5-Pro 和 Qwen-Max 发起 38,400 次测试，以攻击成功率（ASR）衡量表现。结果显示 Qwen-Max 最易被攻破，GPT-4o 防御最强；中文提示词的 ASR 始终高于英文，新提出的 Two-Sides 攻击对所有模型最有效。作者称这凸显了语言感知对齐与跨语言防御的迫切需求。