ContextualJailbreak：通过模拟对话预置进行进化式红队测试
ContextualJailbreak: Evolutionary Red-Teaming via Simulated Conversational Priming
AI 导读
研究者提出 ContextualJailbreak，一种把模拟多轮对话本身作为进化搜索对象的黑盒红队策略，用 0–5 分级伤害评分作为循环内信号，并以 roleplay、scenario、expand、troubleshooting、mechanistic 五个变异算子驱动搜索，其中后两个为本文新增。在 50 个 HarmBench 行为上，该方法在 gpt-oss:20B、qwen3-8B、llama3.1:70B 上达到 100% ASR@4，在 gpt-oss:120B 上为 90%，比四个单轮与多轮基线平均高 31–96 个百分点。
推荐理由
论文给出多轮上下文预置攻击在多个开源模型上的 ASR，并显示同一批攻击迁移到不同厂商前沿模型时成功率差异明显。